机动车区间测速系统综述

区间测速系统是基于距离和时间测量机动车行驶速度的测速方式,监控终端触发拍照,车辆信息识别,数据处理运算是其关键要素。本文分析了机动车区间测速系统的组成、工作原理及关键技术,并介绍了几种不同原理的机动车区间测速系统。     

道路交通区间车速监测系统的校准

正一、道路交通区间车速监测系统的原理及构成道路交通区间车速监测系统是基于车辆抓拍技术、车辆牌照自动识别技术、网络通信技术,来实现的一种超速违法取证系统。其技术原理是利用车牌识别技术对所有通过两个检测断面的车辆进行车牌识别,通过比对车牌号码,计算出同一辆车通过两个检测断面的行程时间。根据两个检测断面间的距离计算出此车在区间内的平均车速,并将检测断面检测的原始数     

对高速公路电子不停车收费稽查系统的分析

本文介绍了一种基于汽车物理车牌图像自动识别及车型自动识别技术的高速公路电子不停车收费稽查系统。该系统通过对在电子不停车收费车道完成电子交易后通行的每一辆汽车进行物理车牌图像及车型的自动综合识别,并将识别结果与电子交易流水中的车辆信息进行比对,自动从中筛选出两者不一致的车辆,辅助管理人员达到快速、准确稽查目的。     

区间距离测量方法研究

区间测速是基于距离和时间测量机动车行驶速度的测速方式,其中监控终端触发拍照、车辆信息识别、数据处理运算是其关键要素。中国现阶段道路区间最短距离是计算固定车道机动车行驶所获得的区间道路最短长度,此计算方法忽略了机动车变道行驶,因此这个距离并不是机动车可能行驶的最短距离。本研究采用了一种新的方法来计算区间测速系统中机动车可能行驶的最短距离,并探讨了其工作原理及关键技术。     

基于图像识别的公交车站台机动车违规停车举报系统

为解决机动车在公交车站台附近违规停车问题,设计了一种基于图像识别和相关技术的违规停车举报系统。该举报系统接收举报人通过微信公众平台传来的用智能手机拍摄的违章车辆车牌照片及违章车辆所在地理位置信息,然后对照片图像进行处理和识别,最后将识别结果反馈给举报人,将违规停车车辆报交管部门处理。     

区间距离测量方法研究

区间测速是基于距离和时间测量机动车行驶速度的测速方式,其中监控终端触发拍照、车辆信息识别、数据处理运算是其关键要素.中国现阶段道路区间最短距离是计算固定车道机动车行驶所获得的区间道路最短长度,此计算方法忽略了机动车变道行驶,因此这个距离并不是机动车可能行驶的最短距离.本研究采用了一种新的方法来计算区间测速系统中机动车可能行驶的最短距离,并探讨了其工作原理及关键技术.     

基于ARM7的移动智能车辆稽查系统的设计

移动智能车辆稽查系统以ARM7为核心,集成了视频采集、GPS定位、无线网络传输等硬件模块,并利用基于ADS集成开发环境的嵌入式软件开发平台进行了系统软件设计。通过软硬件协同设计实现了实时视频图像采集、智能车牌识别、GPS定位以及无线网络传输等功能,满足交通稽查部门对违规车辆不停车稽查的要求。     

车牌识别系统中车牌照片边缘检测

车牌图片预处理是汽车牌照识别系统中的一个重要的环节,预处理的好坏对车牌系统识别率影响很大。如何检测车牌照片的信息并适合计算机识别一直是研究的热点。在对车牌特征分析的基础上,提出一种最简车牌照片边缘检测算法,并通过与经典算子进行比较来突出该算法的优势。     

采用角点信息和惯性主轴的车牌倾斜检测与校正方法

车牌倾斜检测与校正是车牌识别的关键技术之一.提出了一种基于字符角点信息和惯性主轴的车牌倾斜角检测方法.在用Harris角点检测算法提取出车牌区域字符角点信息的基础上,通过计算所得角点的惯性主轴来检测出车牌的倾斜角度,从而实现车牌的倾斜校正.给出了实验结果,并与Hough变换法、旋转投影法进行了比较.结果表明,该检测校正方法运算量小,速度快,校正精度高.     

基于分布式架构的智慧停车管理服务系统

随着图像处理技术的进步,车牌识别技术得到了很大的发展,在停车场管理系统中,通过在停车场的出入口加装车牌识别器,就可以实现自动识别车辆,记录车辆的出入信息,从而出入口免取卡的理念引入了到了停车场。但随着停车场服务的纵向发展,仅仅实现停车场系统的免取卡已经无法满足市场需求。具备快速开发、快速部署、便捷实用、贴合市场等能力,立足于解决需求问题的视角实现产品。     

林区视频监控下车流量分类统计

针对林区环境中通过监控视频统计车流量的传统方法提取车辆特征困难、无法分类统计等问题,提出了一种基于YOLOv5结合DeepSORT的车流量分类统计方法。该方法使用目标检测算法YOLOv5作为检测器对车辆进行分类检测,为了提升实际场景中的车辆检测效果,在算法中融入CBAM注意力机制增强检测器对车辆的特征提取能力,同时将NMS改进为DIoU-NMS,解决了因车辆相互遮挡导致的漏检问题。使用目标跟踪算法DeepSORT对检测到的车辆进行跟踪,为了减少车辆身份切换现象,将重识别网络在车辆重识别数据集上重新训练。最后通过在视频中设置虚拟线的方法对跟踪到的车辆进行统计。将该方法在实际场景中进行效果验证,实验结果表明,总体车流量统计准确率较改进前提升10.1%,汽车、货车、客车的车流量统计准确率分别为91.8%,94.6%,93.8%。     

Radon变换在倾斜车牌图像校正中的应用

倾斜车牌图像的校正是车牌识别中的重要环节之一.根据Radon变换思想,对三种倾斜方式提出了相应的校正方法.用数学形态学的方法对车牌图像进行边缘检测;利用Radon变换检测车牌倾斜角度,对水平方向进行旋转无损校正,对垂直方向进行双线性插值错位偏移校正.实验结果表明该方法是快速有效的.     

图像处理在车牌识别中的应用

车牌识别是智能交通的一个重要组成部分,系统一般包括车牌定位,字符分割和字符识别。对目前车牌识别领域的各种算法进行分析,总结和改进。实验结果表明,所提方法能快速有效的获取车牌信息。     

基于边缘的背景差法在车流量检测中的应用

针对视频车流量检测容易受车辆阴影和车辆变道影响的问题,笔者提出了一种基于边缘信息的背景差车流量检测方法.该方法利用边缘信息作为车辆的检测特征,实时自动提取和更新背景边缘并采用动态开窗的方式来进行车辆计数.实验结果表明,与传统背景差法相比,该方法受车辆阴影和车辆变道影响较小,检测准确率达97.3%,是一种实用有效的车流量检测方法.     

一种车辆识别代号检测和识别的弱监督学习方法

车辆识别代号对于车辆年检具有重要的意义。由于缺乏字符级标注,无法对车辆识别代号进行单字符风格校验。针对该问题,设计了一种单字符检测和识别框架,并对此框架提出了一种无须字符级标注的弱监督学习方法。首先,对VGG16-BN各个层次的特征信息进行融合,获得具有单字符位置信息与语义信息的融合特征图;其次,设计了一个字符检测分支和字符识别分支的网络结构,用于提取融合特征图中的单字符位置和语义信息;最后,利用文本长度和单字符类别信息,对所提框架在无字符级标注的车辆识别代号数据集上进行弱监督训练。实验结果表明,本文方法在车辆识别代号测试集上得到的检测Hmean数值达到0.964,单字符检测和识别准确率达到95.7%,具有很强的实用性。     

出租车电子标签防伪系统解决方案

目前，随着城市出租车的日渐增多，假出租车非法运营的情况屡见不鲜，出租车的运营管理上凸现了许多新的问题，单一的通过车牌来认证出租车真伪的方式已经难以达到有效管理的目的，因此通过多年射频识别（RFID）技术领域的雄厚开发能力以及实际系统经验，在自主研发的手持PDA系统的基础上，通过目前最先进的射频识别（RFID）电子标签技术，构建出租车电子运营证系统，使双胞胎车、套牌车等黑出租车无处藏身。同时也对出租车车辆、驾驶员资格证信息防伪以及车辆运营及违章信息的管理、驾驶员违章信息的登记以及处罚、车辆年审记录等都能够进行实施处理，通过本系统的运行达到良好实际管理效果和社会效益，做到职能管理部门信息化，效率化，也同时保障出租车的切身利益。     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

射频识别技术和图像(车牌)识别技术在车辆管理上的应用

随着车辆的增多,政府重要部门、保密机构对进出车辆的管理要求越来越严格,单纯的射频识别技术在自动车辆管理上已经无法满足对授权车辆的监管。因此,采用射频识别技术和图像(车牌)识别技术相结合,并通过相应的车辆出入管理软件的管理,有效地实现对车辆进出的监管和管理。     

基于车辆特征识别的视频测速系统的原理及误差分析

介绍了基于车辆特征识别的频测速系统的原理、误差分析及检测视频测速系统存在的问题.     

基于YOLOv3和DeepSort的车流量检测

针对传统多目标跟踪算法的检测跟踪精度低、鲁棒性差的缺点,基于经典的Tracking-By-Detection模式,提出一种基于YOLOv3和DeepSort的车流量检测方法,实现了车辆视频监控端到端的车流量视频的实时监测与跟踪计数。采用深度学习YOLOv3算法检测视频车辆目标,然后利用深度学习DeepSort算法对检测到的车辆进行实时跟踪计数。实验结果表明该方法应对快速移动的车辆和环境光照的影响时,对车流量的检测效果良好,平均精度达到94.7%,端到端的算法可行且有效,适用于对车辆视频的批处理。