利用视觉节奏与累积线分析实现视频中的高效车牌识别
计算机视觉与模式识别
2025-01-10 v1 机器学习
摘要
基于视频的自动车牌识别 (ALPR) 涉及从视频捕获中提取车辆车牌文本信息。传统系统通常严重依赖高端计算资源，并利用多帧来识别车牌，导致计算开销增加。在本文中，我们提出了两种方法，能够高效地每辆车精确提取一帧并从该单张图像中识别其车牌字符，从而显著降低计算需求。第一种方法使用视觉节奏 (VR) 从视频中生成时空图像，而第二种方法采用累积线分析 (ALA)，这是一种基于单线视频处理的新型算法，用于实时操作。两种方法均利用 YOLO 进行帧内车牌检测，并利用卷积神经网络 (CNN) 进行光学字符识别 (OCR) 以提取文本信息。在真实视频上的实验表明，所提出的方法取得了与传统逐帧方法相当的结果，且处理速度快了三倍。
引用
@article{arxiv.2501.04750,
title = {Efficient License Plate Recognition in Videos Using Visual Rhythm and Accumulative Line Analysis},
author = {Victor Nascimento Ribeiro and Nina S. T. Hirata},
journal= {arXiv preprint arXiv:2501.04750},
year = {2025}
}
备注
Accepted for presentation at the Conference on Graphics, Patterns and Images (SIBGRAPI) 2024