基于一维离散周期小波变换的实时车牌识别方法

利用扫描窗口和一维离散周期小波变换以及BP人工神经网络进行车牌识别.被扫描的图像通过一维离散周期小波变换来选择图像的低频系数,这样可以提高执行车牌识别的速度.文中方法是直接对车牌进行扫描,不对单个字符进行识别,并通过MATLAB编程实现.新方法是一种实时识别,车牌识别的实验结果可高达94.7％.     

车牌实时识别方法的研究

介绍了基于图像分析的车牌实时识别的过程，提出了图像预处理、车牌提取、二值化、字符分割、识别理解等研究方法，通过实验仿真取得了令人满意的结果。     

小波变换和神经网络在车牌识别中的应用

介绍了车牌识别的背景、意义和一般实现过程，阐述了小波变换和神经网络的基本理论，详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段（即图像预处理、车牌定位、字符分割和字符识别）中的应用，最后总结并对两者在车牌识别技术中的应用前景进行了展望。     

基于ARM平台的车牌识别系统的设计与实现

针对车辆出入库管理中存在的问题,提出了基于ARM嵌入式平台的车牌识别系统的设计和实现方案,论述了从车辆图像抓取、图像预处理、车牌区域识别、文字分割、文字识别等过程中所涉及的理论和技术问题,提出了基于POSIX规范多进程技术进行系统整合的方案。     

车牌定位算法研究分析

车牌识别系统是智能交通系统的重要环节,车牌定位是车牌识别的前提和关键。车牌定位的准确率直接影响到后续字符识别效果,对车牌识别率的高低有重大影响。分析现有的车牌定位算法,比较不同算法的处理效果及其定位精确度等问题。     

车牌字符的预处理研究

由于在汽车牌照自动识别系统中，因天气或拍摄角度等原因造成车牌图像模糊、倾斜和光照不均等现象，给车牌的处理带来了很大困难。本文针对这些问题，提出了相应的处理方法，高效地完成了车牌字符的预处理。     

基于卷积神经网络SLeNet_5的车牌识别方法

针对卷积神经网络Le Net_5用于车牌识别中存在输出层类别过少、层数过多及训练难度大等问题,构建了一种简化卷积神经网络模型(SLe Net_5),给出了其网络拓扑结构,并通过随机对角LM算法进行训练,使用其对分割后的字符进行识别。与模板匹配和BP神经网络等方法相比,所提方法具有较高的识别率。与其他CNN网络识别率相当,但具有结构简单,以及更快的识别速度等优点。     

高校车牌登记识别管理系统的设计与实现

为保证校园安全,提高车辆出入管理效率,外来访客在高校访问登记界面填写个人信息,车辆到达时,高校车牌登记识别系统通过摄像头捕获车牌信息,系统自动识别放行.该系统包含车牌在线登记子系统和车牌识别子系统两个部分.车牌在线登记子系统前端页面使用JSP技术,通过DIV+CSS对页面进行布局.后端基于Java语言、SSM框架开发,...     

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。     

车牌定位中缩小搜索范围的方法研究与实现

提出了三点平均平滑曲线的方法.用灰度直方图的缩小曲线来辨别白天和夜晚的车牌图像,用纵向差分、二值化、纵向投影、三点平均平滑、曲线放大等方法突出车身的横直线,查找车身左右边界,排除地面背景和缩小车牌搜索范围,由此设计了一个应用于高速公路超速监控的车牌识别系统.     

基于图像的车牌缺损区域恢复识别算法研究

针对当外界天气、光照条件恶劣的时候,存在采集的车牌图像像素丢失的问题,导致无法准确识别车牌内容,文中提出一种基于改进高斯模型的残缺车牌图像像识别算法.首先对待检测图像进行亮度补偿、边缘检测、倾斜校正等预处理,通过将图像划分为若干个矩形子区域,计算各子区域的灰度平均值作为提取的图像初始特征,计算初始特征的先验概率并对后验概率进行修正,实现了对缺损区域特征值的校正,最后建立高斯模型完成车牌图像的识别,克服了传统方法无法准确识别残缺车牌图像的问题.实验证明:这种方法能够准确识别恶劣天气下的车牌图像像,取得了不错的效果.     

基于改进BP神经网络的车牌字符识别

在分析了BP网络学习算法的缺陷的基础上引入动量项和遗传算法对BP网络学习算法进行改进,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率.     

车辆牌照字符识别算法的设计

对当前典型的车辆牌照字符识别算法进行了研究和分析,在此基础上提出一种新型算法,通过提取一些具有表征性的字符结构特征构建合理的判决树进行有效识别.采用车牌识别系统中分割出的一些数字和字母进行识别仿真,实验结果表明该算法简单、快速、高效,在复杂的噪声环境下同样具有较高的识别率.     

图像处理技术的车牌识别系统研究

车牌识别系统在汽车运行实践对汽车的智能通行起到了显著的效果,所以积极的推广和利用车牌识别系统现实意义显著。从现实分析来看,车牌识别系统的具体利用会受到多种因素的影响,比如识别符号设计、感应系统等,所以为了更好的应用车牌识别系统,文章对基于图像处理技术的车牌识别系统进行分析与研究,旨在明确系统构成与应用,从而是实际利用提供帮助和指导。     

车牌识别系统技术的研究与应用

本文介绍车牌识别的两种主要方法(基于无线射频识别技术(RFID)的自动检测识别方法和基于图像处理技术的检测识别方法),并对两种技术的优缺点进行了比较,提出了一种双模式识别系统,重点阐述了主模式识别系统原理,并考虑了车载分机的安全性,给出了车载分机防移动的软硬件设计,可广泛用于各种门禁系统。     

智能交通系统中的车牌识别技术研究

智能交通系统简称ITS,是传统交通运输管理系统与现代信息网络技术相结合的产物,车牌识别是系统中重要的一环。本文详细介绍了各种常用的车牌识别技术,以及车牌识别过程中出现的新问题。     

一种基于SVM的改进车牌识别算法

提出了一种基于支持向量机(SVM)的改进车牌识别方法。对细化处理后的字符采用网格、水平投影与垂直投影密度的特征提取方法,保证了字符整体与局部特征,同时也使特征向量集的维数充分低。结合3种特征提取方法得到的特征向量集,采用 SVM进行车牌号码识别。对于易混淆字符,提出了根据各自的特征进行2次识别的算法,该算法有效解决了易混淆字符误识别的问题。实验结果表明,该算法鲁棒性好、抗干扰能力强、识别率达到了98.58%。     

车牌识别技术在智能交通中的应用与发展趋势

随着我国经济的发展与成长,我国的车辆保有量在迅速的增加,人们对车辆智能识别系统的关注也随着增加.本文主要研究分析了在交通系统中的车牌识别技术的应用于发展,为我国交通系统的发展出谋划策.     

基于TMS320DM642的汽车牌照识别系统设计

介绍了用TI公司的TMS320DM642高速定点DSP实现汽车牌照自动识别的系统设计，提出了一些实用算法并给出了基于DSP的程序优化方法。