本发明专利技术公开了一种夜间车牌检测方法、系统及存储介质，应用于人工智能技术领域，能够实现夜间车牌检测，有效提高夜间车牌检测的准确率。该方法包括：将夜间车辆原始图像进行预处理，得到夜间车辆灰度图；通过预设边缘算法对夜间车辆灰度图进行运算得到第一二值图像；将夜间车辆原始图像转换为HSV颜色模型数据得到HSV颜色模型图像；根据HSV颜色模型图像进行预设二值化处理得到第二二值图像；将第一二值图像和第二二值图像进行合并得到合并图像；对合并图像进行形态学操作得到车牌区域数据；根据车牌区域数据从夜间车辆原始图像提取候选车牌区域图像；根据候选车牌区域图像通过预设机器学习模型进行预测，得到夜间车牌检测结果。得到夜间车牌检测结果。得到夜间车牌检测结果。
【技术实现步骤摘要】
夜间车牌检测方法、系统及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种夜间车牌检测方法、系统及存储介质。
技术介绍
[0002]智能交通系统被广泛应用于城市中解决交通问题。其中，车牌识别起到重要作用。车牌检测的任务是从采集的车辆图像中检测并提取车牌区域，主要包括车牌定位和车牌判断。其中，车牌定位需要从车牌图像中定位出候选车牌区域图像，而车牌判断是从候选车牌区域图像中提取真实的车牌区域。随着计算机技术以及机器视觉技术的不断发展，车牌检测技术日趋成熟，已经大量运用到城市交通管理中。但是，由于特殊天气、光线等因素，车牌检测仍然面临挑战。相关技术中，在夜间由于路面照射光源有限，图像整体亮度低，因此获取的车辆图像往往不够清晰，导致车牌检测准确率较低。
技术实现思路
[0003]为了解决上述技术问题的至少之一，本专利技术提出一种夜间车牌检测方法、系统及存储介质，能够实现夜间车牌检测，并且有效提高夜间车牌检测的准确率。
[0004]一方面，本专利技术实施例提供了一种夜间车牌检测方法，包括以下步骤：
[0005]将夜间车辆原始图像进行预处理，得到夜间车辆灰度图；
[0006]通过预设边缘算法对所述夜间车辆灰度图进行运算，得到第一二值图像；
[0007]将所述夜间车辆原始图像转换为HSV颜色模型数据，得到HSV颜色模型图像；
[0008]根据所述HSV颜色模型图像进行预设二值化处理，得到第二二值图像；
[0009]将所述第一二值图像和所述第二二值图像进行合并，得到合并图像；
[0010]对所述合并图像进行形态学操作，得到车牌区域数据；
[0011]根据所述车牌区域数据从所述夜间车辆原始图像提取候选车牌区域图像；
[0012]根据所述候选车牌区域图像通过预设机器学习模型进行预测，得到夜间车牌检测结果。
[0013]根据本专利技术实施例的一种夜间车牌检测方法，至少具有如下有益效果：本实施例首先将夜间车辆原始图像进行预处理得到夜间车辆灰度图，以对夜间车辆原始图像进行图像增强。接着，本实施例通过预设边缘算法对夜间车辆灰度图进行运算，得到第一二值图像。同时，本实施例将夜间车辆原始图像转换为HSV颜色模型数据得到相应的HSV颜色模型图像，并将HSV颜色模型图像进行预设二值化处理，得到第二二值图像。然后，本实施例将第一二值图像和第二二值图像进行合并，以通过结合边缘特征和颜色特征的方式，得到合并图像，从而能够通过形态学操作较为精确地得到车牌区域数据。接着，本实施例根据车牌区域数据从夜间车辆原始图像中提取候选车牌区域图像，并通过预设机器学习模型进行预测，判断是否为车牌区域，从而得到夜间车牌检测结果，实现夜间车牌检测，并且有效提高夜间车牌检测的准确率。
[0014]根据本专利技术的一些实施例，所述夜间车辆原始图像为灰度图；
[0015]所述将夜间车辆原始图像进行预处理，得到夜间车辆灰度图，包括：
[0016]统计所述夜间车辆原始图像中所有灰度值对应的像素点个数，得到第一灰度级数据；
[0017]根据所述第一灰度级数据统计所述夜间车辆原始图像中所有像素点数小于预设像素数量的灰度级，得到第二灰度级数据；
[0018]将所述第二灰度级数据中各灰度级对应的所述像素点的灰度值设置为零，得到中间图像；
[0019]根据所述中间图像计算车牌区域和其他区域的分界点阈值；
[0020]根据所述中间图像统计所述车牌区域中所有像素点数等于零的灰度级个数，得到车牌区域灰度数据；
[0021]根据所述中间图像统计所述其他区域中所有像素点数等于零的灰度级个数，得到其他区域灰度数据；
[0022]根据所述分界点阈值、所述车牌区域灰度数据和所述其他区域灰度数据构建得到目标分界阈值；
[0023]根据所述目标分界阈值对所述中间图像进行局域直方图均衡化，得到所述夜间车辆灰度图。
[0024]根据本专利技术的一些实施例，所述通过预设边缘算法对所述夜间车辆灰度图进行运算，得到第一二值图像，包括：
[0025]通过索贝尔边缘算法对所述夜间车辆灰度图进行运算，得到所述第一二值图像。
[0026]根据本专利技术的一些实施例，所述HSV颜色模型图像包括色调通道数据、饱和度通道数据以及亮度通道数据；
[0027]所述根据所述HSV颜色模型图像进行预设二值化处理，包括：
[0028]构建预设车牌色调值范围、预设车牌颜色饱和度值范围以及预设车牌颜色亮度值范围；其中，所述预设车牌色调值范围包括蓝色车牌色调值范围、黄色车牌色调值范围以及绿色车牌色调值范围；
[0029]遍历所述HSV颜色模型图像的所有像素点，将所述所有像素点中所述色调通道数据满足所述预设车牌色调值范围，且所述饱和度通道数据满足所述预设车牌颜色饱和度值范围，以及所述亮度通道数据满足所述预设车牌颜色亮度值范围的第一像素点对应的灰度值设置为255，反之则设置为0。
[0030]根据本专利技术的一些实施例，所述将所述第一二值图像和所述第二二值图像进行合并，得到合并图像，包括：
[0031]遍历所述第一二值图像和所述第二二值图像，当所述第一二值图像中的第二像素点的灰度值为255，且所述第二二值图像中的预设区域中灰度值不为0的像素点个数大于0，将所述合并图像中与所述第二像素点对应的第四像素点灰度值设置为255，反之则设置为0；其中，所述预设区域为所述第二二值图像中与所述第二像素点对应的第三像素点的八连通区域。
[0032]根据本专利技术的一些实施例，所述根据所述候选车牌区域图像通过预设机器学习模型进行预测，得到夜间车牌检测结果，包括：
[0033]将所述候选车牌区域图像进行二值化处理，得到车牌区域二值图像；
[0034]统计所述车牌区域二值图像中每一行像素数据中像素值为1的像素点个数，得到行数据；
[0035]统计所述车牌区域二值图像中每一列像素数据中像素值为1的像素点个数，得到列数据；
[0036]将所述行数据和所述列数据作为所述预设机器学习模型的输入特征进行预测，得到所述夜间车牌检测结果。
[0037]根据本专利技术的一些实施例，所述将所述行数据和所述列数据作为所述预设机器学习模型的输入特征进行预测，得到所述夜间车牌检测结果，包括：
[0038]将所述行数据和所述列数据输入支持向量机模型进行预测，得到所述夜间车牌检测结果。
[0039]另一方面，本专利技术实施例还提供了一种夜间车牌检测系统，包括：
[0040]预处理模块，用于将夜间车辆原始图像进行预处理，得到夜间车辆灰度图；
[0041]边缘算法模块，用于通过预设边缘算法对所述夜间车辆灰度图进行运算，得到第一二值图像；
[0042]转换模块，用于将所述夜间车辆原始图像转换为HSV颜色模型数据，得到HSV颜色模型图像；
[0043]二值化模块，用于根据所述HSV颜色模型图像进行预设二值化处理，得到第二二值图像；
[004本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种夜间车牌检测方法，其特征在于，包括以下步骤：将夜间车辆原始图像进行预处理，得到夜间车辆灰度图；通过预设边缘算法对所述夜间车辆灰度图进行运算，得到第一二值图像；将所述夜间车辆原始图像转换为HSV颜色模型数据，得到HSV颜色模型图像；根据所述HSV颜色模型图像进行预设二值化处理，得到第二二值图像；将所述第一二值图像和所述第二二值图像进行合并，得到合并图像；对所述合并图像进行形态学操作，得到车牌区域数据；根据所述车牌区域数据从所述夜间车辆原始图像提取候选车牌区域图像；根据所述候选车牌区域图像通过预设机器学习模型进行预测，得到夜间车牌检测结果。2.根据权利要求1所述的夜间车牌检测方法，其特征在于，所述夜间车辆原始图像为灰度图；所述将夜间车辆原始图像进行预处理，得到夜间车辆灰度图，包括：统计所述夜间车辆原始图像中所有灰度值对应的像素点个数，得到第一灰度级数据；根据所述第一灰度级数据统计所述夜间车辆原始图像中所有像素点数小于预设像素数量的灰度级，得到第二灰度级数据；将所述第二灰度级数据中各灰度级对应的所述像素点的灰度值设置为零，得到中间图像；根据所述中间图像计算车牌区域和其他区域的分界点阈值；根据所述中间图像统计所述车牌区域中所有像素点数等于零的灰度级个数，得到车牌区域灰度数据；根据所述中间图像统计所述其他区域中所有像素点数等于零的灰度级个数，得到其他区域灰度数据；根据所述分界点阈值、所述车牌区域灰度数据和所述其他区域灰度数据构建得到目标分界阈值；根据所述目标分界阈值对所述中间图像进行局域直方图均衡化，得到所述夜间车辆灰度图。3.根据权利要求1所述的夜间车牌检测方法，其特征在于，所述通过预设边缘算法对所述夜间车辆灰度图进行运算，得到第一二值图像，包括：通过索贝尔边缘算法对所述夜间车辆灰度图进行运算，得到所述第一二值图像。4.根据权利要求1所述的夜间车牌检测方法，其特征在于，所述HSV颜色模型图像包括色调通道数据、饱和度通道数据以及亮度通道数据；所述根据所述HSV颜色模型图像进行预设二值化处理，包括：构建预设车牌色调值范围、预设车牌颜色饱和度值范围以及预设车牌颜色亮度值范围；其中，所述预设车牌色调值范围包括蓝色车牌色调值范围、黄色车牌色调值范围以及绿色车牌色调值范围；遍历所述HSV颜色模型图像的所有像素点，将所述所有像素点中所述色调通道数据满足所述预设车牌色调值范围，且所述饱和度通道数据满足所述预设车牌颜色饱和度值范围，以及所述亮度通道数据满足所述预设车牌颜色亮度值范围的第一像素点对应的灰度值
设置为255，反之则设置为0。5.根据权利要求1...
【专利技术属性】
技术研发人员：许旻昱，陆音，陈子阳，郁建峰，徐兵荣，蔡奕杰，
申请(专利权)人：天翼物联科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。