基于聚类分析的车牌字符识别方法与应用

在车牌字符识别的实际应用中,只采用改进的BP神经网络算法不能彻底改变其固有的算法缺陷.因此,重点阐述采用聚类分析与神经网络的方法分别对车牌中汉字和英文字母及阿拉伯数字进行识别,以加快车牌的识别速度,以适应高速公路收费系统即时、准确的要求.实验结果表明,对数字与字母的识别率为97.0%,对汉字的识别'率为90.1%,识别时间小于3s,既兼顾了BP神经网络识别的稳定性,又考虑到高速公路收费的实时性需要.     

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。     

机动车牌自动识别软件技术分析

探究图像处理技术在机动车车牌自动识别技术中的应用步骤。按照车牌定位由彩色图转化到灰度图、车牌区域分割、车牌位置校正、车牌图像二值化处理等步骤,对车牌字符的识别进行分析,同时参照大量的实验结果,对自动识别技术进行修正。     

车牌识别技术在智能交通系统的应用研究

智能交通系统对于扼制交通违章,打击肇事逃逸,科学合理地解决交通问题,有着极其重要的意义。车牌识别技术是智能交通系统中的关键技术之一,包含车牌定位和字符识别这两项主要技术。针对当前传统的识别技术识别准确率不高,识别速度不快提出了一种基于小波分析的车牌定位快速算法,并且利用神经网络技术实现字符识别的算法。经过实际应用得出通过对车基于小波的车牌定位算法,可以较好的进行车牌定位,定位率可以达到96．3％以上。对字符的识别率可以达到85％以上牌的自动识别。提高了传统技术的自动识别效率。此车牌识别算法的速度和准确率在实际工程应用中达到交通监控集成系统的功能要求,取得了较好的运行效果。     

射频识别技术在高速公路不停车收费系统中应用分析

对射频识别技术进行了简要的介绍,同时结合高速公路不停车收费的特征,对射频识别技术在高速公路不停车收费系统的应用进行了具体介绍。     

射频识别技术在路桥收费系统的应用和趋势

随着自动识别技术的不断发展,未来无线射频识别技术将在收费系统广泛使用,笔者就无线射频识别技术在路桥收费系统的应用和发展趋势谈一些看法。     

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。     

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     

具有路径识别功能的电子不停车收费系统解决方案分析

为进一步促进高速公路ETC收费管理服务规范化、标准化、现代化,更好的满足管理者和用户需要,提出了兼容现有国标和联网收费系统的解决方案。该方案融合了现有应用功能与相关技术产品综合实现了路网收费和路径识别两大应用功能,可以用较低的投入,完整解决包括MTC和ETC两种应用的高速公路路径识别问题。     

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。     

基于BP神经网络的数字识别系统

系统通过对图像的一系列预处理,采用BP算法神经网络,根据数字字符特征进行识别。用该算法实现的数字字符识别系统识别率高,误识率低,可以单独使用,也可以把它作为一个识别系统的软件核心应用到车牌识别、运动员号码识别、车厢识别等系统中去。     

复杂环境下的车牌定位方法研究

车牌定位是车牌识别的关键步骤,而由于室外环境的变化,对稳定的车牌定位方法提出较高要求。快速准确的车牌定位能为最终车牌识别提供重要保障。通过提取彩色图像的水平梯度边缘图像,对其进行基于积分图像的二值化,并对图像进行连通域处理,将纹理丰富的车牌区域提取出来。通过实验证明该方法简单有效,能够满足复杂场景的车牌识别需要,具有较强的鲁棒性。     

基于卷积神经网络的模糊车牌自动识别

目前,清晰的车牌识别算法已经成熟,但是对于人眼不能识别的模糊车牌,传统车牌识别算法的识别率较低或者根本无法识别。鉴于此,提出了一种基于卷积神经网络的车牌字符识别算法。制作了含9 720幅模糊字符样本集,用8 748幅样本对卷积神经网络进行训练,测试样本时,先对模糊车牌字符进行盲分割等预处理,再调用训练好的卷积神经网络对盲分割后的字符进行识别。实验结果表明:该算法对训练集的准确识别率约为99.17%,对测试集的准确识别率约为93.32%,这说明该算法对模糊车牌的识别具有鲁棒性,能应用于各种场景。     

机器视觉技术在汽车牌照识别中的实现方法

介绍了机器视觉技术在汽车牌照识别中的应用,牌照区域的分割主要依据车牌的形状特征,牌照字符的识别主要依靠基于傅里叶变换的模板匹配。     

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。     

复杂背景下基于HSV空间和模板匹配的车牌识别方法研究

车牌识别技术作为交通管理自动化的重要手段,在交通监视和控制中占有很重要的地位.车牌识别过程可分为车牌定位、车牌校正、字符分割和字符识别四个部分.在车牌定位中,若单纯采用纹理特征或颜色特征来进行定位,往往适用于背景较为简单的场景,对复杂背景的定位效果尚有待改进.在字符分割中,目前单行车牌的分割已比较成熟,但双行车牌的分割仍不理想.提出一种在HSV空间下两次颜色标定和纹理特征相结合的定位方法和一种单双行车牌的字符分割方法.该定位方法利用车牌固定颜色搭配特性,对图片两次标记并利用投影法定位车牌,对200张不同背景图片测试,定位准确率达到98％.在字符分割部分,利用改进的模板匹配方法对字符分割,可适用于单、双行车牌分割,准确率达到95％.     

视频触发车牌识别停车计时收费系统的计时检定方法

正一、视频触发车牌识别系统的计时原理视频触发方式也称智能视频侦测方式,由摄像机不断对停车场出入口视频信息进行实时识别检测,一旦在分析过程中发现运动的物体,便进行视频跟踪。当视频检测到该物体进入设定的最佳拍照范围时(虚拟地感线圈范围),便触发抓拍,然后进行车牌自动识别及后续处理。在车辆入口,车牌拍照识别形成一个包含车牌及入场时刻t1等信息的记录,同时保留了车牌识别到的那张车辆的图片。在车辆出口,车牌拍照识别形     

基于5.8G多义性路径标识基站关键技术浅析

随着我国高速公路收费信息化的发展和高速路路网结构越来越复杂和多样化,对"多义性路径识别"精准收费的要求也越来越高,我国目前主要应用的多义性路径识别解决方案是基于433 MHz的多义性路径识别技术和基于5.8 G的多义性路径识别技术设计的。该文主要阐述基于5.8 G的多义性路径识别技术,从标识基站的层面出发,分析了有助于提升标识基站RSU标识成功率的几个关键性技术。     

一种基于MSER和SWT的新型车牌检测识别方法研究

为了降低拍摄距离、光照等对车牌识别的影响,提高复杂背景下车牌识别准确率,提出了一种基于最大极值稳定区域(maximally stable extremal regions, MSER)和笔画宽度变换(stroke width transform, SWT)的新型车牌检测识别方法。该方法首先进行MSER提取和Canny边缘检测,并根据车牌字符特征对二者相与运算后的MSER筛选;然后在筛选后的区域内做基于形态学处理的SWT和SW筛选,聚合筛选后区域,结合车牌几何特征完成车牌精定位;最后校正分割定位成功区域内连通域,提取骨架并归一化,与细化和归一化后的模板匹配。利用HU不变矩和网格特征识别首字符汉字,采用扫描跳跃点统计编码识别数字和字母。实验结果表明:该方法定位准确率高达94.86%,识别准确率达96.14%。该方法对远距离、变光照获取的复杂背景下,车牌检测识别具有较高的准确率和鲁棒性。     

车牌字符识别技术

本文分析了车牌字符识别的技术要点，对照了各种不同的解决方法，最后指出了分级分类技术是保证车牌识别快速性和准确性的良好方法。