0

我正在开展一个社区项目,其目标是减少超速违规行为。为了识别汽车的车牌,我正在使用OpenALPR。问题是它对摄像机位置很敏感,即角度,当角度大于 20 度时,OpenALPR 无法检测到 LP(是的,我已经阅读了有关良好摄像机位置的建议,但 IRL 有时它们不能使满意)。

我发现问题是没有检测到LP区域。但是,手动裁剪图像以仅包含汽车而不对像素进行任何其他修改(如过滤)可以解决问题,并且 OpenALPR 能够检测到 LP 区域。

我正在寻找一种可以自动进行裁剪的解决方案。可以比较两个图像“基础”和“目标”并返回目标图像中更改区域的坐标(左上角、右下角)的算法或工具。

替代解决方案是 OpenALPR 的不同配置文件。我正在尝试这最后几个小时,但没有成功。

基本图像将如下所示: 在此处输入图像描述

目标图像将如下所示: 在此处输入图像描述

(这些只是视频中的两帧)

(原始图像尺寸要大得多,即 3840x2160)

是否有算法或工具可以帮助我自动完成这项任务?

4

1 回答 1

1

基本方法是差分法,即每个像素取RGB 分量值的绝对差值。在差异很大的地方,有一个检测。

但这可能效果不佳(并且它适用于给定的图像),因为两张图片可能略微未对齐,并且风可以移动植被。

所以我建议

  • 将图像分辨率降低一个重要因素(比如 8);

  • 模糊缩小的图像;

  • 计算绝对差值;

  • 保持组件之间的最大差异;

  • 用阈值二值化;

  • 最后使用连接组件标记找到最重要的斑点并消除残余干扰。

在此处输入图像描述

一定要刷新背景图片(当你确定没有车的时候),避免每天漂移的影响(总是有缓慢的变化)。标准化图像强度以阻止环境照明(通过云 fi)的变化也可能很有用。

于 2017-11-06T11:11:34.867 回答