国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      結(jié)合序列圖像超分辨率重建的車牌識(shí)別方法及系統(tǒng)的制作方法

      文檔序號(hào):8488126閱讀:511來源:國(guó)知局
      結(jié)合序列圖像超分辨率重建的車牌識(shí)別方法及系統(tǒng)的制作方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明涉及的是一種圖像處理領(lǐng)域的技術(shù),具體是一種結(jié)合序列圖像超分辨率重 建的分辨率低于256*256的圖像車牌識(shí)別方法及系統(tǒng)。
      【背景技術(shù)】
      [0002] 車牌識(shí)別技術(shù)在智能交通管理系統(tǒng)中占有至關(guān)重要的地位。在交通管理系統(tǒng)中起 到維持道路交通安全運(yùn)行的重要作用。它的一般處理流程是:車牌定位,字符分割,車牌字 符識(shí)別。然而,隨著監(jiān)控系統(tǒng)的迅速普及也伴隨著大量不同分辨率圖像的產(chǎn)生,車牌識(shí)別系 統(tǒng)的發(fā)展速度遠(yuǎn)跟不上監(jiān)控系統(tǒng)采集信息的速度。大多數(shù)監(jiān)控采集視頻后無法進(jìn)行深層的 處理也不能得到更多有用的信息。海量監(jiān)控視頻數(shù)據(jù)的有效利用變得可望而不可即。為了 降低設(shè)備成本,大多數(shù)攝像頭采集的圖像分辨率較低。即使監(jiān)控設(shè)備的分辨率較高,在大 風(fēng),暴雨,霧霾等惡劣天氣條件下也會(huì)使得視頻清晰度較低。低分辨率的圖像清晰度無法滿 足車牌識(shí)別中對(duì)圖像細(xì)節(jié)信息的清晰度要求,使得現(xiàn)有絕大多數(shù)車牌識(shí)別系統(tǒng)無法正常識(shí) 另IJ。所以對(duì)序列低分辨率圖像的車牌識(shí)別技術(shù)研宄就變得尤為重要。
      [0003] 傳統(tǒng)的車牌識(shí)別技術(shù)識(shí)別對(duì)象是單幅照片圖像或序列圖像中單幅圖像。這樣對(duì)于 分辨率較低或大風(fēng)、暴雨、霧霾等惡劣天氣下傳統(tǒng)的車牌識(shí)別技術(shù)是無法正常應(yīng)用的。而序 列圖像的超分辨率重建技術(shù)運(yùn)用于車牌識(shí)別上恰恰解決了清晰度較低引起車牌識(shí)別能力 降低的問題,可以完成對(duì)低分辨率視頻的車牌識(shí)別。
      [0004] LinweiYue,HuanfengShen,QiangqiangYuan,LiangpeiZhang于 2014 年 6 月 在SignalProcessing上發(fā)表了一篇名為"AlocallyadaptiveL: -L2normformulti-framesuper-resolutionofimageswithmixednoiseandoutliers"的文章中提出了 結(jié)合LdPL2范式混合模型的自適應(yīng)超分辨率重建方法,文中采用的是一般圖像加入不同的 噪聲進(jìn)行實(shí)驗(yàn),該技術(shù)對(duì)低分辨率圖像的去模糊處理,對(duì)圖像中自然噪聲濾除。
      [0005] JonAlmazdn,AlbertGordo,AliciaForn6s,ErnestValveny;于 2014 年 6 月 在PatternRecognition上發(fā)表了一篇名為"Segmentation-freewordspottingwith exemplarSVMs"的文章中提出了利用滑動(dòng)窗口中的HOG信息對(duì)文檔中單詞進(jìn)行分割和識(shí) 另IJ,利用SVM分類器提高手寫文本和機(jī)器書寫的文本的識(shí)別率,其與本文算法將H0G特征應(yīng) 用于車牌字符特征中,有一定針對(duì)性,對(duì)象中的字符數(shù)為34個(gè),包含10個(gè)數(shù)字和24個(gè)字母 (字母I和0除外)。
      [0006] Bing-FeiWu,Hao-YuHuang,Yen-LinChen* ;等人 2013 在 "International ConferenceonNetworking,SensingandControl(ICNSC2013) " 會(huì)議上發(fā)表的文章 "DegradedLicensePlateRecognitionsystemfortownbusesonhighway" 中提出了 一種退化車牌識(shí)別系統(tǒng)。該系統(tǒng)是采用了臺(tái)灣地區(qū)高速交通路口收費(fèi)站的降質(zhì)車牌圖像進(jìn) 行車牌識(shí)別的,車牌定位和識(shí)別均是提取H0G特征送入SVM進(jìn)行訓(xùn)練得到分類器的方法,再 利用降質(zhì)圖像進(jìn)行車牌定位和識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)中方法對(duì)部分缺失圖像有一定定位和識(shí)別作 用,但實(shí)驗(yàn)中訓(xùn)練樣本和測(cè)試樣本相同說服力不強(qiáng)。文中利用了H0G和SVM的方法對(duì)車牌 區(qū)域和車牌字符分別進(jìn)行訓(xùn)練得到兩個(gè)訓(xùn)練庫(kù),分別用來車牌定位和字符識(shí)別。其車牌訓(xùn) 練庫(kù)的定位方法得到的定位時(shí)間比直接用HOG和SVM進(jìn)行定位時(shí)間有所減少。該技術(shù)針對(duì) 序列低分辨率圖像無法提取出有用的HOG信息,進(jìn)而導(dǎo)致識(shí)別效率很難提升。
      [0007] 中國(guó)專利文獻(xiàn)號(hào)為:CN102880859A,公開日:2013. 01. 16,發(fā)明名稱為:"一種車牌 識(shí)別方法"中公開了一種車牌識(shí)別的方法,該方法基于獲取的單幅圖像對(duì)車牌進(jìn)行定位,得 到車牌區(qū)域后,對(duì)定位后區(qū)域進(jìn)行超分辨率重建,然后進(jìn)行字符分割和字符識(shí)別。該技術(shù)分 辨率較低情況下單幅圖像進(jìn)行超分辨率后得到高分辨率圖像,其信息不足以提供車牌識(shí)別 所需要的信息,直接導(dǎo)致車牌識(shí)別率的降低。
      [0008] 中國(guó)專利文獻(xiàn)號(hào)為<附03489173^,公開日:2014.01.01,發(fā)明名稱為:"一種視 頻圖像超分辨率重建方法"中公開了一種視頻超分辨率重建方法。具體方法如下;1)需要在 相同場(chǎng)景下獲得的多幅低分辨率圖像,手動(dòng)選取出所需視頻的連續(xù)序列幀,得到靜態(tài)圖像 文件,結(jié)合場(chǎng)景參數(shù),選擇一個(gè)象元內(nèi)連續(xù)多幀的亞像素圖像;2)根據(jù)序列圖像之間存在 亞像素級(jí)精度位移,選擇目標(biāo)興趣點(diǎn),并進(jìn)行塊狀目標(biāo)的運(yùn)動(dòng)估計(jì);3)根據(jù)運(yùn)動(dòng)估計(jì)結(jié)果, 采用非均勻內(nèi)插的重建算法,重建一副高分辨率圖像。該技術(shù)利用的非線性內(nèi)插將圖像進(jìn) 行了局部增強(qiáng),配準(zhǔn)準(zhǔn)則中利用圖像塊具有相同的形狀特點(diǎn),當(dāng)對(duì)圖像進(jìn)行內(nèi)插時(shí),可能造 成目標(biāo)區(qū)域的錯(cuò)誤判定,對(duì)局部增強(qiáng)可能造成噪聲信息疊加,得到適得其反的效果。

      【發(fā)明內(nèi)容】

      [0009] 本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足,提出一種結(jié)合序列圖像超分辨率重建的車 牌識(shí)別方法及系統(tǒng),可以在低分辨率視頻中準(zhǔn)確識(shí)別車牌;解決了視頻中分辨率低情況下 字符識(shí)別率低的問題。
      [0010] 本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的:
      [0011] 本發(fā)明涉及一種基于結(jié)合序列圖像超分辨率重建的車牌識(shí)別方法,通過從低分辨 率視頻中提取序列圖像,序列圖像超分辨率重建,HSV車牌定位,字符分割,H0G和SVM相結(jié) 合的字符識(shí)別,輸出車牌字符。
      [0012] 所述識(shí)別方法具體包括以下步驟:
      [0013] 第一步、對(duì)視頻圖像采用基于LdP1^2混合范式的超分辨率重建算法對(duì)視頻進(jìn)行預(yù) 處理,重建出清晰可辨的高分辨率圖像;
      [0014] 第二步、對(duì)高分辨率圖像進(jìn)行車牌定位:首先利用HSV顏色空間上結(jié)合大津法對(duì) 車牌進(jìn)行定位,然后利用垂直投影法對(duì)定位出的車牌進(jìn)行字符分割,得到單個(gè)字符;
      [0015] 第三步、利用字符的H0G特征信息生成訓(xùn)練集,采用SVM方式對(duì)分割出的字符進(jìn)行 識(shí)別,得出車牌字符串。
      [0016] 本發(fā)明涉及一種實(shí)現(xiàn)上述方法的系統(tǒng),包括:超分辨率模塊、車牌字符提取模塊、 梯度SVM分類模塊,其中:超分辨率重建模塊與低分辨率圖像采集裝置相連并傳輸視頻圖 像信息,車牌字符提取模塊與超分辨率重建模塊相連并傳輸重建得到的高分辨率圖像信 息,梯度SVM分類模塊與車牌字符提取模塊相連并傳輸字符圖像信息。 技術(shù)效果
      [0017] 與現(xiàn)有技術(shù)相比,本發(fā)明能完成在監(jiān)控設(shè)備分辨率較低或大風(fēng)、大雨、霧霾等惡劣 條件造成的圖像清晰度較低下對(duì)車牌進(jìn)行定位分割并且識(shí)別出車牌字符。對(duì)于普通超分辨 率重建方法無法完成定位的序列圖像,本文方法能夠較好的實(shí)現(xiàn)定位效果,并分割出單個(gè) 字符。利用梯度方向直方圖信息和支持向量機(jī)的結(jié)合對(duì)字符進(jìn)行識(shí)別,能夠得到較好的識(shí) 別效果。
      【附圖說明】
      [0018] 圖1為本發(fā)明流程示意圖。
      [0019] 圖2為本發(fā)明胞元中梯度方向分塊數(shù)。
      [0020] 圖3為本發(fā)明SV
      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1