摘要：本申请公开了一种车牌定位方法、装置及存储介质，涉及图像处理技术领域，用以解决在无需进行车辆定位的情况下，便可以得到车牌的位置。该方法包括：获取待处理图像；根据所述待处理图像中各像素的色度，从所述待处理图像中确定分割线；根据所述分割线对所述待处理图像分割，得到至少两幅分割图像；将所述分割图像分别输入到车牌检测网络模型中，得到车牌在所述分割图像中的位置。这样，无需进行车辆定位，便可以得到车牌的位置，从而使得检测车牌更加简便；且由于无需进行车辆定位，便不会出现因车辆定位出错的问题使得后续的车牌定位也无法实施，从而提高了车牌定位的准确性。

摘要：本发明提出一种车牌定位方法，包括以下步骤：步骤S1,获取车辆图片；步骤S2，根据所述车辆图片中车辆的颜色信息进行车牌定位，并输出第一图像块；步骤S3，依次判断所述输出的第一图像块是否为车牌；步骤S4，判断车牌数量是否大于预设的车牌数，若否，则执行步骤S5，若是，则执行步骤S7；步骤S5，根据边缘的车牌定位法进行车牌定位，并输出第二图像块；步骤S6，依次判断所述输出第二图像块是否为车牌；步骤S7，根据目标检测的定位法进行精确的车牌定位。本发明采用车牌的颜色特性、形状特性、基于目标检测的方法将其结合起来对车牌定位，提高车牌定位的效率与精确度。

摘要：本发明公开了一种车牌定位方法和装置。所述方法包括：预检测，确定候选车牌区域；在候选车牌区域内，选取提议分布对应的提议采样状态；根据提议采样状态对应的采样区域的颜色特征、形状特征、字符特征，计算提议采样状态的车牌特征概率；根据得到的车牌特征概率，确定是否将提议采样状态加入采样状态集合；返回重复执行在候选车牌区域内选取提议分布对应的提议采样状态的步骤，获取采样状态集合；确定采样状态集合中车牌特征概率最大的采样状态对应的采样区域为车牌位置区域。该方法能够将车牌区域用图像表观特征的最大后验概率表示，配合提议概率分布函数的设计，并采用马尔科夫蒙特卡洛法，使得计算过程快速有效，达到精确定位的目的。

摘要：本发明公开了一种车牌定位方法和装置。涉及智能图像识别技术；解决了车牌定位识别困难的问题。该方法包括：对预处理图像进行行扫描，选取车牌候选区域；对所述车牌候选区域做垂直方向上的投影，得到投影图像；基于所述投影图像的投影曲线波型特征，确定精确车牌区域。本发明提供的技术方案适用于车牌认证场景，实现了准确高效的车牌图像识别。

摘要：本申请实施例提供了一种车牌定位方法及装置。所述方法包括获得包含车牌的待定位图像，并对所述待定位图像进行检测，获得初始车牌区域；确定所述初始车牌区域中的各个字符块；根据确定的各个字符块，判断所述初始车牌区域是否为多层车牌区域；如果是，则根据至少一层车牌区域，确定所述待定位图像的车牌区域。应用本申请实施例提供的方案，能够提高车牌定位过程的效率。

摘要：本发明公开了一种车牌定位方法。该方法首先对车辆图像进行预处理，去除噪点并锐化；然后检测图像中存在较多角点的区域以确定候选车牌区域；最后通过卷积神经网络从候选车牌区域中筛选出预测的车牌区域。本发明通过角点检测与卷积神经网络相结合的车牌定位方法，既解决在复杂环境下的车牌定位问题，而且提高车牌定位的准确度。

摘要：本发明实施例提供了一种车牌定位方法及终端，所述方法包括：获取待处理图像，对待处理图像进行多尺度金字塔变换，得到M个图像，对每一张图像进行分块处理，得到K个小块，将其进行垂直投影及滤波处理，得到K个行投影信息，根据K个行投影信息来确定目标车牌的N个候选框的上下边界，对N个候选框进行列投影并做滤波处理，通过滑块来选取至少一个指定段列投影的分布信息，并根据该分布信息确定N个候选框的左右边界，每一候选框的上下边界和左右边界构成一个定位区域，得到N个定位区域，对所述N个定位区域的图像信息进行特征提取，得到N组特征，将其输入到目标分类器进行分类，得到目标车牌的区域。通过本发明实施例可提高车牌定位精度。

摘要：本申请实施例提供了一种车牌定位方法及装置。所述方法包括：获得待定位车牌图像；发送所述待定位车牌图像至用于车牌定位的目标网络，所述目标网络包括特征提取层和回归层；所述特征提取层提取所述待定位车牌图像的特征值，并发送所述特征值至所述回归层；获得所述回归层根据所述特征值得到的车牌框区域和车牌字符区域的组合；根据所获得的组合对应的定位区域，确定所述待定位车牌图像的车牌区域。其中，所述目标网络预先通过样本车牌图像训练而成，所述样本车牌图像包括正样本车牌图像，所述正样本车牌图像包括车牌框区域和车牌字符区域的组合。应用本申请实施例提供的方案进行车牌定位，能够提高车牌定位过程的准确性。

摘要：本发明公开了一种基于颜色和连通域的车牌定位方法，包括以下步骤撷取含有车牌的图像；通过分别提取该图像中符合车牌颜色的指定颜色特征、水平边缘特征和竖直边缘特征以得到一张包含车牌候选区域的二值图；对所述车牌候选区域进行膨胀，并通过计算所述车牌候选区域中各连通域的面积，确定面积最大的连通域为车牌区域。本发明的车牌定位方法，即充分利用了车牌背景和车身颜色不同的特点，同时又结合了车牌外框和车牌字符纹理，可以在具有复杂背景的全景图中准确定位车牌。

摘要：本发明提供的一种车牌定位方法及系统，所述方法包括如下步骤：步骤S1，根据抓拍得到的车辆图像确定车牌范围，得到车牌区域图像；步骤S2，将车牌区域图像根据Sobel算法进行边缘提取，得到车牌边框图像；步骤S3，以卷积方式计算车牌边框图像的平均灰度图，将所述车牌边框图像的平均灰度和Sobel梯度构成的二维点投影到二维坐标系中；步骤S4，将车牌边框图像的平均灰度值和Sobel梯度的平均灰度值分别代入两个拟合得到的灰度抛物线方程，计算得到车牌图像。本发明通过灰度图像、Sobel算法以及最小二乘法进行图像的边缘提取和优化，拟合得到的灰度抛物线方程，计算得到车牌图像，具有算法复杂度低，运行速度快，适应能力强的特点，能够较好的识别车牌，具有广泛的应用价值。

摘要：本发明实施例提供一种车牌定位方法及装置，方法包括：将视频帧图像的Haar特征输入第一分类器，得到第一类车牌图像信息序列，计算并筛选出第一类车牌相似值的最大值，判断其是否大于预设的第一相似度阈值，若是，定位到至少一个有效车牌图像，否则对视频帧图像进行旋转，将旋转后的图像输入第一分类器，得到多个第二类车牌图像信息序列，计算并筛选出数值最大的第二类车牌相似值，判断其是否大于预设的第二相似度阈值，若是，定位到至少一个有效车牌图像，否则，将视频帧图像的LBP特征输入第二分类器，得到第三类车牌图像信息序列，基于第三类车牌相似值的最大值，定位到至少一个有效车牌图像。应用本发明实施例，能够提高定位车牌的准确率。

摘要：本发明公开了一种车牌定位方法和装置，该方法通过多组预设颜色阈值搭配方案和边缘图对原始车牌图像进行第一次颜色搭配约束检测，并基于获取到的结果图集提取连通域获取由各个连通域整合的车牌候选区域集，再基于该车牌候选区域集得到N个候选区域各自的自适应颜色搭配方案，再次基于N个自适应颜色搭配方案得到颜色搭配方案结果图集提取连通域，得到最终车牌候选区域，对该最终车牌候选区域进行初步筛选和最终定位输出最终车牌区域集，完成对车牌的定位。本发明采用自适应颜色约束检测的方式逐步缩小检测区域，并充分利用车牌的边缘，颜色等特征排除多种环境干扰，尤其是光线、脏污等对颜色的干扰，实现在车牌定位过程中减少或降低误检率的目的。

摘要：本发明实施例提供了一种车牌定位方法及装置，能够有效解决现有技术无法解决的较窄字符的模板匹配问题、大大提高车牌定位精确度。该方法包括：获取车牌图像；对所述车牌图像进行车牌粗定位；建立车牌模板；将经过粗定位的车牌图像与所述车牌模板进行逐列匹配从而获得车牌位置。

摘要：本发明公开了一种车牌定位方法，属于图像处理技术领域。本发明包括：预处理待定位的车牌图像，得到多个候选矩形坐标，基于当前候选矩形坐标初始化滑动窗口H，并初始化H的边框颜色为区域内的分布最多的颜色，通过能量最小化原理使H不断的缩小，并同时对矩形区域内的图像进行角度变化，直到达到能量最小的矩形。本发明得到的车牌边界区域非常靠近首尾字符，从而有效降低了在对车牌的字符进行分割的处理复杂度，有效提升车牌识别效率和鲁棒性；同时，对一些特殊的车牌有更优的定位和矫正效果，包括双行车牌，武警车牌等等。

摘要：本发明适用于图像处理领域，提供了一种车牌定位方法及装置，所述方法包括下述步骤：对车牌进行检测，检测得出精确的车牌区域；在下一帧图像中对检测到的精确车牌区域进行跟踪，当根据检测到的精确车牌区域识别出符合预设条件的车牌或根据跟踪的车牌区域识别出符合预设条件的车牌时，结束对车牌的定位跟踪。本发明在识别出精确的车牌区域以后，通过车牌跟踪的方式再次得到精确的车牌区域，通过跟踪的方式替代重新进行车牌检测的过程，实现更快的再次检测识别到精确的车牌区域。

摘要：本发明公开了一种车牌定位方法，包括(1)对原始车辆图像I(x，y)进行预处理，得到增强后的车辆图像I1(x，y)；(2)修正车辆图像I1(x，y)中各点的颜色值，得到修正后的车辆图像I2(x，y)；(3)扫描修正后的车辆图像I2(x，y)，提取出蓝色和黄色集中的区域作为车牌候选区域；(4)校验车牌区域，即判断当前区域大小，如果区域在设定的范围之内，则认为是车牌区域，完成车牌定位。本发明提出的车牌定位方法，不仅能够对一般条件下获取的车辆图像准确定位车牌，而且能够光线弱、雨、雪、烟雾等复杂条件下拍摄的车辆图像进行车牌定位，在车牌识别中具有重要的实用价值。

摘要：本发明公开了一种车牌定位方法和装置，用于智能交通领域，以解决现有车牌识别中对车牌结构信息的提取不能准确高效，从而不能进行准确的定位车牌的问题，本发明实施例基于双抛物线阈值的二值化技术对车牌结构信息进行提取，不需要每次利用全局信息求取阈值，提高了效率，同时能使各种复杂情况下的图像被二值化后，使车牌区域结构信息被完整保留并凸显，非车牌区域结构被抑制，最终使得车牌区域被准确的定位，相对其它二值化方法更鲁棒更高效，从而保证车牌识别最终的正确率。