一种快速检测车牌的神经网络

车牌检测是车辆管理的重要技术,目前车牌检测不管是基于传统图像处理方法还是基于深度学习方法,准确性和效率都还有待进一步提高。文章提出了一种新的车牌检测方法。它在检测定位阶段使用C3＿Faster网络提取车牌的多尺度特征,中间多尺度融合使用特征重组(CARAFE)算法和视觉中心(EVC)算法。模型在CPPD数据集上进行实验的检测准确度达到了98.8%,检测速度达到83FPS。     

一种基于图像处理和投影的车牌定位方法

为了提高车牌的定位率和准确性,通过对车牌特征的研究,提出一种采用颜色特征、图像处理和投影结合的定位方法。首先利用车牌的颜色特征将车牌可能区域从整幅图像中确定,再利用水平移差扫描,边缘检测对图像进行处理,并利用投影以及车牌的长宽比例相结合的方法,确定车牌具体位置。结果表明,此方法对蓝底白字车牌定位较准确,并且具有一定的鲁棒性和实时性。     

复杂车辆图像中的车牌定位

针对复杂背景的车牌定位问题,提出了一种综合形态、颜色、投影等多种特征的车牌定位算法.基于车牌区域边缘信息丰富的特点,首先利用边缘检测和数学形态学方法定位候选车牌区域,并消除噪声干扰;然后根据质心所在位置对候选区域进行由低到高的排序,并通过颜色识别作进一步筛选,以排除车灯等区域的干扰;最后采用投影法及谷值分析对截取出的缺损车牌进行补全,从而得到准确的车牌位置.实验结果表明,算法的效率与精度与车辆图像的清晰度、曝光度及车牌大小等因素有关,与传统车牌定位算法相比,效率和精度分别提高了15%和20%以上.     

基于边缘颜色分布的车牌定位新方法

根据车牌的综合特征,提出了一种新的基于边缘颜色分布的车牌定位算法.该算法抓住了车牌背景与字符具有固定颜色搭配的重要特点,利用车牌区域内特有的边缘颜色分布信息并结合车牌的纹理特征,有效地滤除了大量的背景和噪声边缘,然后利用车牌的结构特征和边缘信息,并结合形态滤波的方法,以进一步确定车牌区域.实验结果表明,该算法定位准确率高、鲁棒性好,而且适用于对复杂背景下的多车牌图像进行分割.     

基于多尺度小波边缘检测的车牌定位研究

车辆牌照的准确定位是车牌识别系统中的关键步骤,利用车牌区域丰富的边缘和纹理信息以及车牌自身的特征,提出一种基于多尺度小波边缘检测的车牌定位方法.该方法能够更好地解决在复杂背景和复杂光照下的车牌定位.首先用图像增强和多尺度小波算子提取出车牌图像的边缘,然后利用数学形态学和连通区域标记的方法对车牌进行初步特征提取去除伪车牌区域,最后采用水平垂直投影法进行车牌的精确定位.实验结果表明,该方法能够实现车牌的快速准确定位,对复杂背景下的车牌具有很好的鲁棒性和实时性.     

多目标、多类型车牌融合定位算法

针对复杂环境下目标的有无、数量多少和种类均不确定的车牌目标定位,提出了一种融合灰度边缘和颜色特征检测并进行目标真实性验证的车牌定位算法。算法主要分为4个步骤:首先,提取所有与目标颜色有关的区域进行多类型多值化处理;接着,提取灰度纵向绝对累积差分边缘;然后,按类型分别融合灰度边缘和颜色特征,检测每类可能目标;最后,利用伴生与互补特性对可能目标逐一进行真实性验证,排除错误报警,提高目标定位准确度。通过大量交通卡口获取的实测彩色车辆图像试验,验证了算法的有效性和准确性。     

基于视觉显著性的监控视频动态目标跟踪

视频动态目标检测与跟踪是智能化视频分析的基础,是实现智能监控的关键技术之一。基于人类视觉对运动的方向和速度非精确感知的特点,结合HR生物相关运动检测模型改进Itti Saliency算法,建立颜色、方向、亮度和运动四特征通道的特征图提取算法,对特征图进行跨尺度融合及归一化,从而提取视频图像中动态目标的视觉显著图。对视频序列图像的显著图逐一显示,便可实现对运动目标的跟踪。提出的运动感知模型,改善了对运动目标视觉显著性的检测效果,能够准确检测并跟踪监控视频中复杂背景、遮挡、多物体的动态目标。     

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.     

基于特征的车牌定位算法

车辆牌照的识别技术是智能交通系统重要研究课题之一,而车辆牌照的定位又是车牌识别的关键点。本文采用了一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法。该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰,把图像分割为若干个子区域,利用纹理条件和颜色条件判断,对子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌位置,然后利用Hough变换矫正倾斜的车牌图像并去除边框和铆钉,为后续车牌字符的分割识别步骤打下良好基础。实验结果表明,本文的研究成果能有效定位车牌且效果显著。     

基于改进Sobel算子的车牌定位方法研究

针对在城市交通监控系统中车牌照定位要求的特殊性,提出一种基于多信息结合的车牌识别定位算法。该算法以摄像机拍摄的视频为基础,提取出视频中车辆的近景图像。根据车牌照图像特征,采用改进彩色Sobel算法对其作边缘检测,在处理后的图像中选取若干个车牌候选区。采用BP算法对车牌信息进行训练,将车牌面积、长宽比和垂直投影三个特征值作为输入值,进而达到车牌定位的目的。大量实验结果表明,该算法具有极高的定位准确度,具有重要的推广价值。     

基于蓝色车牌背景的车牌精确定位实现方法

先对抓拍的彩色车牌图像进行车牌的粗定位,分割出车牌区域.对车牌区域做图像增强和滤波处理后,转化成二值图像,去除车牌的上下和左右边框,实现车牌的精确定位.针对抓拍的车牌彩色图像因光照不足的原因造成垂直粗定位不准的问题,提出了改进算法,提高了精确定位的准确率.     

复杂环境下基于ROI的车牌提取算法

感兴趣区域（ROI）是最能体现图像内容的区域,基于ROI的图像特征提取技术有效提高了图像处理和分析的效率,在图像处理与分析领域有着重要的应用.首先简要介绍现有的车牌提取方法,针对目前复杂环境下的车牌ROI提取算法提取效果不明显、计算繁琐、漏检率高等缺点,提出一种采用颜色特征和模板匹配的车牌ROI提取算法,该算法避免大量运算,具有相对于图像平移、尺度变化的低敏感性,并且取得了较好的实验效果.     

一种新型车牌定位算法的研究

车牌定位过程中,由于光照变化、视点和距离变化、复杂背景等原因,图像传感器很难获取到高质量的图像。为了克服这些问题,本文在融合滤波的基础上,将一种基于模糊算子的彩色图像边缘检测方法用于车牌定位中,结合数学形态法和改进后的4-邻域标记法,以及车牌文本区的先验知识找到车牌的准确位置。本文用影像传感器对不同环境条件下获取的300多幅图像进行实验,结论验证了这种方法有效地克服了非车牌区域噪声的干扰,提高了图像质量,而且车牌定位准确率达到98.3%,证明了算法的有效性和鲁棒性。     

基于数学形态学和投影法的车牌定位方法

在车牌定位系统中,针对图像中存在的复杂背景、车辆自身的车灯或标志这些因素的影响,提出了车牌初步定位和精确定位的方法.首先,对车牌图像进行灰度化、灰度拉伸、边缘检测后,运用数学形态学运算和车牌自身的宽高比例初步定位出车牌区域.然后,运用投影法分别进行水平方向和垂直方向的定位,得到准确的车牌区域.该方法能够很好地排除干扰因素,精确定位出车牌.     

采用二次定位的车牌图像定位算法研究

提出了一种二次定位的车牌图像定位方法.在第一次定位中首先对车辆图像进行灰度化、边缘检测及直线检测处理,根据车牌区域的特征初步找出包含车牌边框的车牌图像区域;再根据车牌边框对车牌图像进行倾斜校正;在此基础上,对车牌图像采用投影法进行二次定位,最终获得精确的车牌区域.测试证明,提出的二次定位方法能够适应不同背景,对光照、环境及车牌种类不敏感,得到的车牌图像不会包含车牌边框等无用的信息,为后续的车牌字符识别打下良好的基础.     

License Plate Recognition for Parking Control System by Mathematical Morphology

Nowadays, license plate recognition for parking systems is a critical task to provide automatic control of customers and payment. This paper introduces a new method for automatic recognition of license plates of vehicles by mathematical morphology. The proposed method can provide the license plate number of the plates in different light conditions, colors, sizes, and inclination (angles). The algorithm can recognize the license plates of European Union vehicles quickly and correctly. The pattern learning of mathematical skeletons has high efficiency in the process. The performance of the algorithm is demonstrated well by being tested on a parking control system.     

Saudi License Plate Recognition Algorithm Based on Support Vector Machine

-License plate recognition （LPR） is an image processing technology that is used to identify vehicles by their license plates. This paper presents a license plate recognition algorithm for Saudi car plates based on the support vector machine （SVM） algorithm. The new algorithm is efficient in recognizing the vehicles from the Arabic part of the plate. The performance of the system has been investigated and analyzed. The recognition accuracy of the algorithm is about 93.3%.     

基于边缘检测和形态学的车牌定位算法

针对车牌自动识别系统的车牌定位方法进行了研究分析,提出一种结合边缘检测和数学形态学的车牌定位算法。利用边缘检测和形态学分析得到车牌候选区域,对候选区域进行连通域分析,实现了对车牌区域的定位。实验结果表明,该方法降低了各种背景噪声对图像中目标区域判别的影响,降低了车牌定位时间,有效地实现了车牌定位。     

基于OpenCV的行驶车辆车牌定位实现

车牌定位是车牌自动识别系统中的一个关键问题。系统从两方面进行了设计。一是视频中移动车辆的定位,采用高斯背景建立模模块。二是静态图像中车牌提取系统,采用顶帽变换、能量滤波、寻找联通区域等多模块结合精确定位出车牌区域。该移动车牌定位算法在QT平台上采用OpenCV和C++编程,实现了综合利用车牌结构特征和纹理特征,提高了车牌定位可靠性。实验结果表明,该方法速度快、准确度高,可满足实时监控的需求。