车牌超分辨率重建与识别

为了从图片中快速准确地识别车牌,提出一种结合图像超分辨率技术的车牌识别方案。车牌图片具有明显的特定的模式特征,只是具体的字符编码不同。因此车牌图片非常适合做超分辨率重建。本文提出的系统主要由车牌检测定位、车牌超分辨率重建、字符分割、字符识别等模块组成。综合基于边缘、基于颜色和基于最大稳定极值区域三种车牌检测策略并采用并行编程方法来综合检测结果得到候选车牌。采用车牌图片正负样本来训练支持向量机分类器。得到分类器模型后对候选车牌判决得到真正的车牌。随后对真实车牌图片进行超分辨率重建。该部分主要由基于固定邻域回归的方法实现。这种方法综合了稀疏字典学习和领域嵌入的方法,比较好的兼顾了准确率和计算速度。运用OpenCV提供的图像处理库来对重建后的图片做字符分割。得到单独的字符图片后采用人工神经网络进行识别。识别前先使用一定数量的字符图片对网络进行有监督训练获取识别模型。采用一个单隐层的神经网络,运用反向传播算法进行训练得到识别模型。最后提取字符图片的特征并输入网络进行分类完成识别。为了测试系统的表现,在实际场景中采集了一百张车牌图片作为测试集。实验表明,该系统具有较高识别准确率和较快的处理速度。     

基于MC9SDG128 单片机的路径识别车的设计及实现

以飞思卡尔公司的16 位微控制器MC9S12DG128 作为核心控制单元, 设计并实现了一种基于CCD传感器的智能寻迹模型车系统。智能车系统的基本控制策略是根据路径识别模块和车速检测模块所获得的黑线位置信息和当前车速信息,准确控制舵机和直流电机运动,以达到智能车的稳定快速行驶。实践证明,该智能车寻迹效果好,系统响应快,具备良好的动力性能和转向性能,证明了控制算法的有效性和稳定性。     

一种基于形状和纹理特征的车牌定位方法

根据车牌几何形状和字符纹理的特点，提出了一种基于区域操作的车牌图像定位方法，该方法充分利用车牌形状和纹理特征来制定策略，将车牌定位简化为对少数候选区域的遴选和组合，具有灵活高效的特点。同时由于区域信息不易受车牌大小、位置以及噪声的影响，因此该方法具有较强的通用性。     

基于可变形卷积和自适应二维位置编码的鲁棒车牌识别方法

车牌识别是智能交通系统中的关键步骤,为提高在非可控和复杂场景下车牌的识别精度,提出了一种鲁棒车牌识别方法,该方法主要包括车牌检测和车牌字符识别2个核心部分。首先,采用YOLOv5网络实现车牌的检测;其次,基于递归卷积神经网络框架,提出了一种基于可变形卷积和自适应二维位置编码(A2DPE)的车牌字符识别方法。该方法针对车牌大小、倾斜角度和光照条件等动态变化的特点,采用了可变形卷积来更好地提取车牌字符的特征,并引入了A2DPE模块,根据输入自适应地获取车牌字符位置编码信息。最后,利用双向长短期记忆网络进行车牌字符的识别,无须分割车牌字符,可以实现不同长度车牌字符的准确识别。在自建数据集LPdata与公开数据集CLPD上的实验结果表明,与现有方法相比,该方法能够以较低的模型复杂度达到较高的准确率。     

汽车车牌自动辨识CCD摄象快检系统

德国阿西特克股份有限公司生产一种VIS／MODPARK车牌自动辨识CCD快速摄象控制系统。该系统以CCD摄象机摄录要求驶进停车场的车辆登证号（VRN），与当时时间、日期以及其它有关数据一起记录在计算机里，并将专为该汽车编制的号码打印在一份停车票卡的磁条之上。该系统出于分析的需要，把由摄象机摄下的车牌图象转换成为数码。然后通过分析来辨识包括上述数码在内的特征数据。只有当遇到车牌丢失或是车牌脏污而无法辨识时，才不得不由操作人员来直接向驾车者询问。在完成收集必要数据后，便进行存车登记。然后，场门的检杆便自动打开…     

一种激光路面平整度仪系统的设计

为了克服现有路面平整度仪的不足，提出了一种新型的路面平整度仪系统。采用CCD器件和激光非接触测量方法，利用上位机(笔记本电脑)和下位机(激光路面平整度仪)相结合的方式，实现了对路程、车速、国际平整度指数(IRI)等的采样、计算和分析处理。实际运行证明该系统具有精度高、误差小、成本低等优点。     

基于数学形态学的车牌定位方法

在汽车牌照识别系统中，车牌定位是整个识别模块实现的前提，目前车牌定位的方法多种多样，各有所长，但存在着计算量大或定位准确率不高等问题。文章结合数学形态学的基本运算，尝试使用数学形态学来实现车牌识别系统中的关键步骤——车牌定位。实验结果表明此方法算法简单，且有一定的定位准确率。     

基于Simulink的车牌识别系统仿真平台

基于Matlab的Simulink设计的车牌识别系统的仿真实验平台,可以实现从一幅图像到识别出车牌字符的仿真过程.先建立车牌识别系统的原理模型,根据该原理模型应用Simulink实现系统仿真实验平台的图像采集模块、车牌定位模块、字符分割模块和字符识别模块.最后,将各个模块连接起来形成仿真实验平台.实验结果表明,该平台不仅能够满足车牌识别过程中各个模块的测试要求,也能满足车牌识别系统的测试要求,具有很好的性能.     

基于FPGA的自准直系统数据处理技术

提出一种基于现场可编程门阵列(FPGA)的CCD自准直测角系统.以FPGA作为系统处理核心;以自适应调节模块为CCD驱动发生器提供准确的波形时序;采用边缘检测算法获得图像的像元级边界;通过最小二乘拟合算法计算得到光斑圆心位置;利用VHDL语言以及MAX+plusⅡ软件完成了系统设计.系统测试和实验表明:所设计的片上系统具有高精度、高集成度的特点.     

基于颜色和纹理分析的车牌定位方法

针对复杂背景的车牌定位问题，提出了一种颜色和纹理分析相结合的车牌定位算法。该算法采用基于适合彩色图象相似性比较的HSV颜色模型，首先在颜色空间进行距离和相似度计算；然后对输入图象进行颜色分割，只有满足车牌颜色特性的区域，才进入下一步的处理；最后再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，并确定车牌区域。该方法不同于大多数的车牌定位方法，它不仅对车牌的大小、汽车在图象中的位置以及图象背景的限制较少，而且，综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。     

An automated vision system for container-code recognition

Automatic container-code recognition is of great importance to the modern container management system. Similar techniques have been proposed for vehicle license plate recognition in past decades. Compared with license plate recognition, automatic container-code recognition faces more challenges due to the severity of nonuniform illumination and invalidation of color information. In this paper, a computer vision based container-code recognition technique is proposed. The system consists of three function modules, namely location, isolation, and character recognition. In location module, we propose a text-line region location algorithm, which takes into account the characteristics of single character as well as the spatial relationship between successive characters. This module locates the text-line regions by using a horizontal high-pass filter and scanline analysis. To resolve nonuniform illumination, a two-step procedure is applied to segment container-code characters, and a projection process is adopted to isolate characters in the isolation module. In character recognition module, the character recognition is achieved by classifying the extracted features, which represent the character image, with trained support vector machines (SVMs). The experimental results demonstrate the efficiency and effectiveness of the proposed technique for practical usage.     

基于树莓派开发板的车辆识别系统设计

本设计着手于具有较大实用价值的“车牌识别”,用小巧的嵌入式开发板接入互联网,实现物联网技术下的车辆识别.该系统主要由嵌入式开发板、摄像头、台式机组成.嵌入式开发板采用当下流行的树莓派开发板,负责调用外置的摄像头模块采集车牌照片,配合在云端的台式机,将采集好的相片通过互联网上传至台式机,台式机处理传送来的车牌照片,并返回识别结果,从而完成整个识别过程.     

基于图像处理的电梯钢丝绳检测系统

本文介绍了一种基于图像处理的电梯钢丝绳检测系统,其组成部分有CCD工业摄像头、图像采集模块、数据传输模块以及上位机。系统硬件设计上通过以DSP芯片为核心,实现对电梯钢丝绳图像的采集与传输功能;并结合图像处理技术,采用Visual C++设计上位机软件,完成对电梯钢丝绳图像的缺陷判断。本系统实现了实时、准确的钢丝绳缺陷识别,解决了原来人工检测中效率低、漏检多等问题,而且结构简单,成本较低,操作简便。     

基于磁场传感器和ARM的智能停车场管理系统

针对传统停车场管理系统寻找空车位时间较长、车位利用率较低等问题,将磁场传感器和ARM引入智能停车场管理系统中.以HMC5983磁场传感器为核心设计了车位信息采集模块,以ARM芯片为核心设计了主控模块,以CCD相机为核心设计了车牌信息采集模块,并对其进行软件开发,设计出了易于查看的空余车位显示模块,并最终实现ARM控制.系统测试表明:HMC5983磁场传感器能够实时采集停车场的车位信息,并通过空余车位显示模块显示出来,为入场车辆提供了直观的停车指导,同时采用ARM芯片提高了系统的安全性.本系统适用于各类大中型平面停车场,实现了停车场系统的智能化管理.     

改进LBP特征算子及变换模板的应用

车牌识别是智能交通系统中一个重要的应用分支,目前在字符识别模块中,主要存在误识别等问题,造成这种误识别的主要原因有两点：一是特征提取的方法,二是模板字符的单一化。针对这两个问题,主要从模式识别的角度改进了 LBP 算子,对分割出的字符进行特征提取,以提高识别率;另一方面,对模板字符进行处理,使其本身倾斜或水平偏转一定角度,来适应各种不同倾斜或偏转幅度的车牌图像。实验结果表明,本文所采用的方法对字符识别的的准确性具有显著提高。     

A Cascade Framework for a Real-Time Statistical Plate Recognition System

This paper describes a plate recognition system that can process images rapidly at high accuracy rates. This system is designed to meet the requirements of performance, computational speed, and adaptation for vehicle surveillance applications, such as stolen car detection systems. These requirements are satisfied by adopting a cascade framework, utilizing plate characteristics, and developing fast one-pass algorithms. Our system is composed of three main cascading modules for plate detection, character segmentation, and postprocessing. Each module is further decomposed into several cascading procedures, which are composed of successively more complex rejecters. The first module rapidly rejects a majority of nonplate regions by using low computational gradient features and a one-pass scanning algorithm followed by heavy computational statistical rejecters. The second module rejects a majority of noncharacter regions in a similar manner. A peak-valley analysis algorithm is proposed to rapidly detect all promising candidates of character regions. The third module eliminates the plate characters that do not satisfy the plate specifications. In our experiments, the system can recognize plates over 38 frames per second with a resolution of 640 times 480 pixels on a 3-GHz Intel Pentium 4 personal computer     

基于BP人工神经网络的车牌字符识别优化算法

车牌识别是电子警察系统重要的功能模块, 字符识别是车牌识别的关键步骤。目前,BP（Back Propagation）人工神经网络因其优越的性能而广泛应用到车牌识别中,但是BP神经网络在局部极值、假饱和、收敛速度缓慢等方面存在着不足。针对这些局限性,从网络的层数、节点数、动量项、学习因子方面进行分析和改进,构建了一个优化的BP人工神经网络,进行字符识别。仿真结果表明,该优化的识别算法识别准确率高,具有良好的识别性能。     

飞思卡尔单片机在自动排爆车控制系统中的应用

系统以飞思卡尔公司MC9S12DG128单片机为主、以STC12C5410AD单片机为辅实现排爆车的控制核心,采用CCD图像识别技术,将检测到的数据传送给单片机,对数据进行相应处理,LCD液晶显示及语音播报。实验证明,系统方案合理,性能良好,能够实现竞赛题目的各项要求。     

An integrated fire detection and suppression system based on widely available video surveillance

An integrated system based on video surveillance is presented for automatic fire detection and suppression. The system is composed of two modules, including fire detection and fire suppression. The fire detection module makes full use of traditional CCD cameras for fire recognition. Some spatio-temporal features, such as color and motion, are extracted to detect fire in real time by utilizing sequential image processing techniques. Once a fire is detected, the system will control the fire suppression module to extinguish the fire automatically. It mainly consists of control device, mobile device, and water gun. Experiments performed in a large space hall show that the integrated system can detect a fire about a few seconds after ignition and automatically suppress the fire quickly.     

Smart camera adaptive optoelectronic system

Smart Camera is an adaptive optoelectronic system intended for recognizing automobile numbers. The system consists of a digital camera with an IR illuminator and IR filter combined with a PC-compatible computing module. In real-time mode, the illumination of a license plate of an automobile is analyzed in frames that arrive from the camera, after which the parameters of the camera are changed to reach the optimal illumination of the license plate of an automobile. The built-in computing module analyzes images and produces control decisions. The numbers are also recognized in the smart camera. Video and recognition results are transmitted via the network.