車牌影像辨識系統(tǒng)及方法
【專利摘要】一種車牌影像辨識系統(tǒng)及方法，能辨識附掛在交通工具上具有車牌號碼的車牌，該車牌影像辨識系統(tǒng)包含數(shù)據(jù)庫模塊、縮減模塊、影像擷取單元、分類單元與辨識模塊。其中，該數(shù)據(jù)庫模塊儲存多個車牌位臵樣本類別與多個車牌號碼樣本類別，并通過該縮減模塊減少這些樣本類別的數(shù)量，又該影像擷取單元以不同影像分辨率擷取該車牌，用以產(chǎn)生車牌位臵影像及車牌號碼影像，該分類單元演算這些影像以產(chǎn)生車牌位臵類別與車牌號碼類別，而該辨識模塊在該數(shù)據(jù)庫模塊搜尋是否有相關(guān)于該車牌位臵類別的該車牌位臵樣本類別及相關(guān)于該車牌號碼類別的該車牌號碼樣本類別，用以決定將該車牌號碼樣本類別視為該車牌的該車牌號碼。
【專利說明】車牌影像辨識系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種車牌影像辨識系統(tǒng)及方法，尤其涉及一種應用于監(jiān)控交通工具的車牌的系統(tǒng)與方法。
【背景技術(shù)】
[0002]在現(xiàn)有技術(shù)中，影像辨識技術(shù)讓用戶可通過計算機視覺處理技術(shù)解決生活中的許多問題，例如為了控管進出國道客運站的龐大客運車輛，必須使用可記錄客運車輛進出時間的系統(tǒng)。舉例而言，目前國道客運站已經(jīng)開始使用圖像處理辨識系統(tǒng)來取代人力，用以自動化地辨識與記錄該客運車輛。
[0003]然而，由于該客運車輛的車型或外觀新舊的不同，導致在該客運車輛辨識的過程中，會發(fā)生許多無法識別的情況。
[0004]一般而言，該國道客運站所使用的該圖像處理辨識系統(tǒng)采用車牌辨識技術(shù)。舉例而言，該圖像處理辨識系統(tǒng)利用文字辨識技術(shù)(optical character recognition, OCR)辨識位于該車牌上的號碼，但由于該圖像處理辨識系統(tǒng)在文字辨識過程中，該車牌上的號碼必須在文字內(nèi)容完整的情形下才能正常地辨識。然而，該車牌的車牌號碼可能發(fā)生無法辨識的情況，例如被車前燈等的遮蔽物遮蔽、車牌號碼污損與車牌號碼不清晰等，此種情況也可稱為車牌本身因素。
[0005]另外，該車牌可能因外在環(huán)境的影響而導致無法辨識文字的情況，例如環(huán)境昏暗、煙霧造成的眩光、車前燈太亮等光影變化所造成車牌上號碼的改變，此種情況也可稱為環(huán)境因素。
[0006]簡言之，由于上述車牌本身因素與上述環(huán)境因素，使得該系統(tǒng)無法有效地利用該文字辨識技術(shù)辨識該車牌上的號碼。
[0007]為解決上述的問題，現(xiàn)有技術(shù)也提出一些解決的方法，例如將該車牌的辨識過程區(qū)分成兩個階段，第一個階段為檢測該車牌，以及第二階段為辨識該車牌的號碼。
[0008]檢測該車牌的方法大多采用抓取車牌邊緣輪廓、色彩分布或灰階分布等算法，用以搜尋到該車牌的區(qū)域分布，以及該車牌號碼的辨識方法幾乎采用該文字辨識技術(shù)的算法以取得該車牌號碼。
[0009]然而，若這些方法要能夠正常的運作，則必須要有一個前提，該前提就是在擷取該車牌的過程中，所擷取到的車牌影像必須要清楚，且讓這些算法能夠明顯地區(qū)別該車牌上的號碼。
[0010]故有需要提出一種車牌影像辨識系統(tǒng)及方法，可用于解決現(xiàn)有技術(shù)的缺陷。

【發(fā)明內(nèi)容】

[0011]本發(fā)明的一個目的是提供一種車牌影像辨識系統(tǒng)，供辨識附掛在交通工具上具有車牌號碼的車牌，用以達到監(jiān)控該交通工具的目的。
[0012]本發(fā)明的另一目的是提供上述的車牌影像辨識方法，通過旋轉(zhuǎn)強度統(tǒng)計直方圖算法(histogram of oriented gradients analysis, HOG)與支持向量器算法(supportvector machines analysis, SVM)演算該車牌,使得該車牌不受到車牌本身因素與環(huán)境因
素的影響。
[0013]本發(fā)明的又一目的是提供上述的車牌影像辨識方法，通過主成分分析算法(principle component analysis, PCA)與支持向量器算法(SVM)對該車牌的影像進行分類，使得可自分類后的該影像中快速地與實時地判斷位于該交通工具上該車牌的位鉻與該車牌上的號碼。
[0014]本發(fā)明的再一目的是提供上述的車牌影像辨識方法，通過縮減在數(shù)據(jù)庫中與該車牌相關(guān)樣本類別的數(shù)量，除可減少該樣本類別占用該數(shù)據(jù)庫的空間之外，更能夠在辨識過程中提高演算的速度。
[0015]本發(fā)明的再一目的是提供上述的車牌影像辨識方法，先利用該低分辨率取得該車牌附掛于該交通工具的位鉻，并在獲得該車牌的位鉻之后，進一步利用該高分辨率取得該車牌上的該車牌號碼。
[0016]本發(fā)明的再一目的是提供上述的車牌影像辨識方法，若數(shù)據(jù)庫未建立有新車牌的車牌影像樣本時，則在車牌位鉻數(shù)據(jù)庫與車牌號碼數(shù)據(jù)庫利用單一車牌的多個新車牌圖框建立新的新車牌位鉻樣本類別與新車牌號碼樣本類別，而這些新車牌圖框可降低該車牌被誤判的風險。
[0017]為達到上述目的與其它目的，本發(fā)明提供一種車牌影像辨識系統(tǒng)，供辨識附掛在交通工具上具有車牌號碼的車牌，該影像辨識系統(tǒng)包含數(shù)據(jù)庫模塊、縮減模塊、影像擷取單元、分類單元與辨識模塊。其中，該數(shù)據(jù)庫模塊具有車牌位鉻數(shù)據(jù)庫與車牌號碼數(shù)據(jù)庫，該車牌位鉻數(shù)據(jù)庫儲存多個車牌位鉻樣本類別，以及該車牌號碼數(shù)據(jù)庫儲存多個車牌號碼樣本類別；該縮減模塊與該數(shù)據(jù)庫模塊連接，該縮減模塊減少位于該數(shù)據(jù)庫模塊中這些車牌位鉻樣本類別與這些車牌號碼樣本類別的類別數(shù)量；該影像擷取單元供執(zhí)行第一分辨率與第二分辨率的影像擷取，該影像擷取單元通過該第一分辨率擷取該車牌以產(chǎn)生車牌位鉻影像及通過該第二分辨率擷取該車牌以產(chǎn)生車牌號碼影像，其中該第二分辨率高于第一分辨率；該分類單元連接該影像擷取單元，該分類單元通過主成分分析算法與支持向量器算法演算該車牌位鉻影像及該車牌號碼影像，用以產(chǎn)生車牌位鉻類別與車牌號碼類別；以及該辨識模塊，連接該分類單元與該數(shù)據(jù)庫模塊，該辨識模塊在該車牌位鉻數(shù)據(jù)庫中搜尋與該車牌位鉻類別相關(guān)的這些車牌位鉻樣本類別的其中之一，并在該辨識模塊確認該車牌位鉻類別與該車牌位鉻類別相關(guān)的該車牌位鉻樣本類別相同之后，該辨識模塊在該車牌號碼數(shù)據(jù)庫中搜尋與該車牌號碼類別相關(guān)的這些車牌號碼樣本類別的其中之一，并在該辨識模塊搜尋到與該車牌號碼類別相關(guān)的該車牌號碼樣本類別之后，該辨識模塊將該車牌號碼類別視為該車牌的該車牌號碼。
[0018]為達到上述目的與其它目的，本發(fā)明提供一種車牌影像辨識方法，供辨識附掛在交通工具上具有車牌號碼的車牌，該車牌影像辨識方法包含步驟a，在車牌位鉻數(shù)據(jù)庫儲存與該車牌相關(guān)的車牌位鉻樣本類別，以及在車牌號碼數(shù)據(jù)庫儲存與該車牌號碼相關(guān)的車牌號碼樣本類別；接著步驟b，利用低分辨率與高分辨率的影像擷取技術(shù)分別地擷取該車牌，以產(chǎn)生車牌影像；再接著步驟C，通過旋轉(zhuǎn)強度統(tǒng)計直方圖算法(HOG)演算該車牌影像，以產(chǎn)生車牌位鉻影像與車牌號碼影像；又接著步驟d，通過支持向量器算法(SVM)演算該車牌位鉻影像與該車牌號碼影像，以產(chǎn)生車牌位鉻類別與車牌號碼類別；以及另接著步驟e，在該車牌位鉻數(shù)據(jù)庫中搜尋與該車牌位鉻類別相關(guān)的該車牌位鉻樣本類別，并在確認該車牌位鉻類別與該車牌位鉻樣本類別相同之后，進一步在該車牌號碼數(shù)據(jù)庫中搜尋與該車牌號碼類別相關(guān)的該車牌號碼樣本類別，且該辨識模塊也在該車牌號碼數(shù)據(jù)庫搜尋有該車牌號碼樣本類別之后，將該車牌號碼類別視為該車牌的該車牌號碼。
[0019]與現(xiàn)有技術(shù)相較，本發(fā)明的車牌影像辨識系統(tǒng)解決在傳統(tǒng)車牌辨識技術(shù)中因車牌本身因素與環(huán)境因素所造成無法執(zhí)行辨識的缺陷。
[0020]本發(fā)明將車牌辨識的過程區(qū)分為兩個階段，第一階段利用低分辨率掃描該車牌用以快速搜尋可能是車牌的區(qū)塊，直到確認到位于該交通工具中該車牌的位鉻時，再通過高分辨率進一步掃描該車牌的影像中的該車牌號碼。因此，本發(fā)明通過兩個階段且不同的影像擷取分辨率擷取該影像，用以減少辨識車牌號碼所需耗費的時間。
[0021]由于本發(fā)明采用復雜的兩種算法(即HOG與SVM)進行演算，因此演算過后的數(shù)據(jù)勢必會十分龐大。若直接地將該數(shù)據(jù)儲存在數(shù)據(jù)庫模塊中，除了會占用數(shù)據(jù)庫模塊的儲存空間之外，更會影響存取該數(shù)據(jù)的速度，但通過本發(fā)明所提供的縮減模塊，可縮減位于該數(shù)據(jù)模塊中龐大的該數(shù)據(jù)量，用以彌補因使用這些算法所造成執(zhí)行速度降低與占用該數(shù)據(jù)庫模塊的儲存空間等的缺陷。
[0022]在該車牌辨識的過程中，若該車牌為新車牌(即在數(shù)據(jù)庫模塊中未儲存的車牌)時，還可通過本發(fā)明的更新模塊，在數(shù)據(jù)庫模塊中自動地建立與該新車牌相關(guān)新車牌位鉻樣本類別與新車牌號碼樣本類別。此外，由于本發(fā)明的該更新模塊在一時間中擷取多個張新車牌圖框。故通過該更新模塊除可在該數(shù)據(jù)模塊中建立正確且可供該新車牌進行辨識的相關(guān)樣本類別之外，更可讓該新車牌的辨識率可大為提升。 【專利附圖】

【附圖說明】
[0023]圖1為本發(fā)明第一實施例的車牌影像辨識系統(tǒng)的方塊示意圖；
[0024]圖2為說明圖1中數(shù)據(jù)庫模塊建立車牌位鉻樣本類別與車牌號碼樣本類別的詳細流程圖；
[0025]圖3為說明圖1車牌號碼樣本類別的像素示意圖；
[0026]圖4為說明圖2的支持向量器算法的演算示意圖；
[0027]圖5-7為說明圖1的縮減模塊的詳細說明示意圖；
[0028]圖8為本發(fā)明第二實施例的車牌影像辨識系統(tǒng)的方塊示意圖；
[0029]圖9為說明圖1中影像擷取單元與辨識模塊的詳細流程圖；以及
[0030]圖10-14為說明圖8中更新模塊的詳細流程圖。
[0031]主要部件附圖標記:
[0032]2 交通工具
[0033]4 車牌號碼
[0034]4’新車牌
[0035]6車牌
[0036]10、10’車牌影像辨識系統(tǒng)
[0037]12數(shù)據(jù)庫模塊[0038]122車牌位鉻數(shù)據(jù)庫
[0039]124車牌號碼數(shù)據(jù)庫
[0040]14縮減模塊
[0041]16影像擷取單元
[0042]18、18’分類單元
[0043]22辨識模塊
[0044]24更新模塊
[0045]CLPPS車牌位鉻樣本類別
[0046]CLPNS車牌號碼樣本類別
[0047]FR第一分辨率
[0048]SR第二分辨率
[0049]ILPN車牌號碼影像
[0050]ILPP車牌位鉻影像
[0051]HOG旋轉(zhuǎn)強度統(tǒng)計直方圖算法
[0052]PCA主成分分析算法
[0053]SVM支持向量器算法
[0054]CLPP車牌位鉻類別
[0055]CLPN車牌號碼類別
[0056]NPLIF新車牌圖框
【具體實施方式】
[0057]為充分了解本發(fā)明的目的、特征及技術(shù)效果，這里通過下述具體的實施例，并結(jié)合附圖，對本發(fā)明做詳細說明，說明如下:
[0058]請參照圖1，為本發(fā)明第一實施例的車牌影像辨識系統(tǒng)的方塊示意圖。在圖1中，該車牌影像辨識系統(tǒng)10辨識附掛在交通工具2上具有車牌號碼4的車牌6。一般而言，在同一個國家或同一個區(qū)域中該車牌6具有固定的尺寸。
[0059]該車牌影像辨識系統(tǒng)10包含數(shù)據(jù)庫模塊12、縮減模塊14、影像擷取單元16、分類單元18與辨識模塊22。
[0060]該數(shù)據(jù)庫模塊12具有車牌位鉻數(shù)據(jù)庫122與車牌號碼數(shù)據(jù)庫124，且該車牌位絡數(shù)據(jù)庫122儲存多個車牌位絡樣本類別CLPPS(classification of the licenseplate position sampling),以及該車牌號碼數(shù)據(jù)庫124儲存多個車牌號碼樣本類別CLPNS(classification of the license plate number sampling)。
[0061 ] 該縮減模塊14與該數(shù)據(jù)庫模塊12連接，且該縮減模塊14減少位于該數(shù)據(jù)庫模塊12中該車牌位鉻樣本類別CLPPS與該車牌號碼樣本類別CLPNS的類別數(shù)量。
[0062]該影像擷取單元16能夠執(zhí)行第一分辨率FR(first resolution)與第二分辨率SR(second resolution)的影像擷取 ，且該影像擷取單元16以該第一分辨率FR擷取該車牌6,并通過旋轉(zhuǎn)強度統(tǒng)計直方圖算法(HOG)產(chǎn)生車牌位絡影像ILPP(image of thelicense plate position)及以該第二分辨率SR擷取該車牌6,并且通過該旋轉(zhuǎn)強度統(tǒng)計直方圖算法產(chǎn)生車牌號碼影像ILPN(image of the license plate number)。在本實施例中，該第二分辨率SR高于第一分辨率FR，即該第二分辨率為高分辨率及該第一分辨率FR為低分辨率。該分辨率的定義指在同一個被擷取影像中所包含像素的總數(shù)量，總數(shù)量多者可稱為高分辨率；反之，則稱為低分辨率。該分類單元18連接該影像擷取單元16，且該分類單元18通過主成分分析算法(PCA)與支持向量器算法(SVM)演算該車牌位鉻影像ILPP及該車牌號碼影像ILPN，并在該分類單元18演算這些影像之后，產(chǎn)生車牌位絡類別 CLPP(classification of the license plate position)與車牌號碼類別CLPN(classification of the license plate number)。
[0063]該旋轉(zhuǎn)強度統(tǒng)計直方圖算法(HOG)、該主成分分析算法(PCA)與該支持向量器算法(SVM)于后詳細說明。
[0064]該辨識模塊22連接該分類單兀18與該數(shù)據(jù)庫模塊12,且該辨識模塊22在該車牌位鉻數(shù)據(jù)庫122中搜尋與該車牌位鉻類別CLPP相關(guān)的該車牌位鉻樣本類別CLPPS，并在該辨識模塊22確認該車牌位鉻類別CLPP為該車牌位鉻樣本類別CLPPS之后，該辨識模塊22在該車牌號碼數(shù)據(jù)庫124中搜尋與該車牌號碼類別CLPN相關(guān)的該車牌號碼樣本類別CLPNS，并在該辨識模塊22從該車牌號碼數(shù)據(jù)庫124搜尋到該車牌號碼樣本類別CLPNS時，將該車牌號碼樣本類別CLPNS視為該車牌6的該車牌號碼4。
[0065]一并參照圖2，為圖1中數(shù)據(jù)庫模塊12建立該車牌位鉻樣本類別CLPPS與該車牌號碼樣本類別CLPNS的詳細流程圖。
[0066]在圖2中，該影像擷取單元16擷取該交通工具2的該車牌6，使得該影像擷取單元16可在擷取該車牌6之后產(chǎn)生車牌位鉻影像樣本與車牌號碼影像樣本。在本實施例中，以“車牌影像樣本”的名詞代表該車牌位鉻影像樣本與車牌號碼影像樣本。
[0067]該影像擷取單元16通過該旋轉(zhuǎn)強度統(tǒng)計直方圖算法取得具有特征值的該車牌影像樣本，例如該特征值可為該車牌的影像的像素梯度強度以及旋轉(zhuǎn)程度。
[0068]在本實施例中，像素的梯度又可區(qū)分為水平方向梯度值Gx及垂直方向梯度值Gy，而該水平方向梯度值Gx、垂直方向梯度值Gy與旋轉(zhuǎn)程度的數(shù)學關(guān)系式可如下所示。該G表示為梯度及Θ表示為旋轉(zhuǎn)角度。
【權(quán)利要求】
1.一種車牌影像辨識系統(tǒng)，其特征在于，供辨識附掛在交通工具上具有車牌號碼的車牌，該影像辨識系統(tǒng)包含: 數(shù)據(jù)庫模塊，具有車牌位鉻數(shù)據(jù)庫與車牌號碼數(shù)據(jù)庫，該車牌位鉻數(shù)據(jù)庫儲存多個車牌位鉻樣本類別，以及該車牌號碼數(shù)據(jù)庫儲存多個車牌號碼樣本類別； 縮減模塊，與該數(shù)據(jù)庫模塊連接，該縮減模塊減少位于該數(shù)據(jù)庫模塊中這些車牌位鉻樣本類別與這些車牌號碼樣本類別的數(shù)量； 影像擷取單元，供執(zhí)行第一分辨率與第二分辨率的影像擷取，該影像擷取單元以該第一分辨率擷取該車牌并通過旋轉(zhuǎn)強度統(tǒng)計直方圖算法產(chǎn)生車牌位鉻影像及以該第二分辨率擷取該車牌并同樣通過該旋轉(zhuǎn)強度統(tǒng)計直方圖算法產(chǎn)生車牌號碼影像，其中該第二分辨率高于第一分辨率； 分類單元，連接該影像擷取單元，該分類單元通過主成分分析算法與支持向量器算法演算該車牌位鉻影像及該車牌號碼影像，用以產(chǎn)生車牌位鉻類別與車牌號碼類別；以及辨識模塊，連接該分類單元與該數(shù)據(jù)庫模塊，該辨識模塊在該車牌位鉻數(shù)據(jù)庫中搜尋與該車牌位鉻類別相關(guān)的這些車牌位鉻樣本類別的其中之一，并在該辨識模塊確認該車牌位鉻類別為與該車牌位鉻類別相關(guān)的該車牌位鉻樣本類別之后，該辨識模塊在該車牌號碼數(shù)據(jù)庫中搜尋與該車牌號碼類別相關(guān)的這些車牌號碼樣本類別的其中之一，并在該辨識模塊搜尋到與該車牌號碼類別相關(guān)的該車牌號碼樣本類別之后，該辨識模塊將該車牌號碼樣本類別視為該車牌的該車牌號碼。
2.如權(quán)利 要求1所述的車牌影像辨識系統(tǒng)，其特征在于，還包含更新模塊，與該影像擷取單元連接，當該更新模塊通過該影像擷取單元檢測一新車牌并未被建立于該數(shù)據(jù)庫模塊時，該更新模塊連續(xù)地擷取該新車牌以形成多個新車牌圖框。
3.如權(quán)利要求2所述的車牌影像辨識系統(tǒng)，其特征在于，該分類單元還包含與該數(shù)據(jù)庫模塊連接，該分類單元通過該旋轉(zhuǎn)強度統(tǒng)計直方圖算法、主成分分析算法與該支持向量器算法演算這些新車牌圖框，用以產(chǎn)生新車牌位鉻樣本類別與新車牌號碼樣本類別。
4.一種車牌影像辨識方法，其特征在于，供辨識附掛在交通工具上具有車牌號碼的車牌，該車牌影像辨識方法包含: a在車牌位鉻數(shù)據(jù)庫儲存與該車牌相關(guān)的車牌位鉻樣本類別，以及在車牌號碼數(shù)據(jù)庫儲存與該車牌號碼相關(guān)的車牌號碼樣本類別； b利用低分辨率與高分辨率的影像擷取技術(shù)分別地擷取該車牌，以產(chǎn)生車牌影像； c通過旋轉(zhuǎn)強度統(tǒng)計直方圖算法演算該車牌影像，以產(chǎn)生車牌位鉻影像與車牌號碼影像； d通過主成分分析算法與支持向量器算法演算該車牌位鉻影像與該車牌號碼影像，以產(chǎn)生車牌位鉻類別與車牌號碼類別；以及 e在該車牌位鉻數(shù)據(jù)庫中搜尋與該車牌位鉻類別相關(guān)的該車牌位鉻樣本類別，并在確認該車牌位鉻類別與該車牌位鉻樣本類別相同之后，進一步在該車牌號碼數(shù)據(jù)庫中搜尋與該車牌號碼類別相關(guān)的該車牌號碼樣本類別，且該辨識模塊也在該車牌號碼數(shù)據(jù)庫搜尋有該車牌號碼樣本類別之后，將該車牌號碼樣本類別視為該車牌的該車牌號碼。
5.如權(quán)利要求4所述的車牌影像辨識方法，其特征在于，在步驟a之后，還包含步驟f，縮減位于該車牌位鉻數(shù)據(jù)庫中該車牌位鉻樣本類別及位于該車牌號碼數(shù)據(jù)庫中該車牌號碼樣本類別的類別數(shù)量。
6.如權(quán)利要求4所述的車牌影像辨識方法，其特征在于，在步驟b還包含無法擷取該車牌以產(chǎn)生該車牌影像，持續(xù)地搜尋在該交通工具的該車牌。
7.如權(quán)利要求6所述 的車牌影像辨識方法，其特征在于，在步驟b之后，還包含步驟: g計算該車牌影像中邊緣部分的像素總和；以及 h將該車牌影像分割為多個影像區(qū)塊，以在這些影像區(qū)塊之間判斷彼此的區(qū)塊相似度； 其中該像素總和與該區(qū)塊相似度皆小于第一預定門檻值，則由該車牌影像判斷出該車牌影像表示該車牌。
8.如權(quán)利要求4所述的車牌影像辨識方法，其特征在于，在步驟e還包含在該車牌號碼數(shù)據(jù)庫未儲存對應于該車牌號碼類別的該車牌號碼樣本類別時，將該車牌號碼類別相關(guān)的該車牌視為新車牌。
9.如權(quán)利要求8所述的車牌影像辨識方法，其特征在于，在步驟e之后，還包含步驟: i連續(xù)地擷取該新車牌，以產(chǎn)生多個新車牌圖框；以及 j演算這些新車牌圖框，以在該車牌位鉻數(shù)據(jù)庫建立與該新車牌相關(guān)的新車牌位鉻樣本類別及該車牌號碼數(shù)據(jù)庫建立與該新車牌相關(guān)的新車牌號碼樣本類別。
10.如權(quán)利要求9所述的車牌影像辨識方法，其特征在于，在步驟j中還包含步驟為通過該旋轉(zhuǎn)強度統(tǒng)計直方圖算法、主成分分析算法與該支持向量器算法演算這些新車牌圖框。
11.如權(quán)利要求10所述的車牌影像辨識方法，其特征在于，在步驟j中還包含: k自這些新車牌圖框取得第一個圖框，并通過該旋轉(zhuǎn)強度統(tǒng)計直方圖算法演算該第一個圖框，以建立一標準車牌影像樣本；以及 I計算前一個該新車牌圖框與后一個該新車牌圖框之間特征值的誤差，若二者之間的誤差小于預定第二門檻值，則該標準車牌影像樣本由后一個的該新車牌圖框取代，直到計算完所有的這些新車牌圖框之后，才將該標準車牌影像樣本分別地儲存至該車牌位鉻數(shù)據(jù)庫與該車牌號碼數(shù)據(jù)庫。
12.如權(quán)利要求9所述的車牌影像辨識方法，其特征在于，這些新車牌圖框的數(shù)目不小于10個。
【文檔編號】G06K9/62GK103903005SQ201310099736
【公開日】2014年7月2日 申請日期:2013年3月26日 優(yōu)先權(quán)日:2012年12月25日
【發(fā)明者】吳炳飛, 陳彥霖, 黃皓昱, 林信佑 申請人:財團法人交大思源基金會