模板匹配联合特征法在车牌字符识别中的应用

针对当前车牌字符识别中相似字符易出错的问题,提出了模板匹配联合特征的车牌字符识别方法.在算法设计中,首先,根据车牌字符特征构建存在相似字符,识别时容易出错的特征字符库;初次识别时,对所有车牌字符采用模板匹配算法;初次识别的结果如不属于特征字符库,识别结束;否则进行二次特征识别.通过对4000张不同环境下的车牌图片进行测...     

基于神经网络深度学习的车牌识别算法

当前收费系统使用的车牌识别设备识别车牌的方式普遍为模式识别,识别率基本在85%～90%,而且受到天气、车牌污损等因素的影响,无法满足"互联网+"收费系统对于精确车牌识别的要求。通过对车牌识别参数进行抽象和建模,运用成熟的人工智能技术,以基于神经网络的深度学习算法模型为基础,根据车牌识别的需求,对车牌特征进行建模,车牌模型在算法的支持下,通过深度学习认知车牌的颜色、文字、字符等属性,有望解决在强光照、大侧角、模糊等极难条件下无法识别车牌关键信息的问题,满足"互联网+"收费系统对于精确识别车牌的要求。     

卷积神经网络在车牌字符识别中的应用

随着机器学习、模式识别、人工智能等技术快速发展,促进了机器人、自动驾驶、虚拟现实等领域的快速发展。卷积神经网络是一种先进的机器学习技术,可以准确的、可靠的识别车牌字符,以便能够帮助人们实现智能交通、视频监控和自动驾驶。本文基于笔者多年的研究,详细地描述了卷积神经网络及其在车牌字符识别中的应用,分析了卷积神经网络识别车牌字符时存在的过度拟合问题,然后提出三个解决对策,进一步提高车牌字符识别的准确度和可靠性。     

基于模板匹配和垂直投影的车牌字符分割算法

车牌识别(LPR)是智能交通系统中的一个重要环节,而字符分割又是车牌识别中的关键部分。针对车牌字符分割问题,提出了一种改进的车牌字符分割算法。首先,对于图像的滤波采用了"条状可变阈值滤波算法",分割环节则采用了垂直投影和模板匹配相结合的算法,并结合现实生活中车牌的一些不利因素的影响,做出相应改进,不仅提高了算法对不同环境下采集的车牌的适应性,而且增加了抗干扰能力。实验结果表明:该方法实现简单,分割质量好,便于下一步的字符识别。     

基于数学形态学的车牌定位与倾斜校正的方法

为了准确定位车牌的位置与车牌的倾斜校正,提出一种基于数学形态学的车牌定位与基于hough变换和radon变换车牌校正的方法,主要步骤包括:灰度变换,边缘检测,形态学处理,基于行列投影的车牌定位,利用hough变换的车牌水平校正,radon变换的字符垂直校正。实验表明,这一方法能够准确的实现车牌的定位与倾斜校正。     

数字字符识别技术及应用

本文总结了常用的图像分割方法,特别是针对手写数字字符特点而提出的相关方法。介绍了数字字符特征提取及特征融合技术,分析了数字字符识别中多种分类器的特点,比较了它们在手写数字识别和车牌识别中的准确性。     

基于MATLAB的车牌识别系统设计

数字化、智能化的当今时代,车辆的大量使用在给人们带来便利的同时事故频发。由于诸多例如自然因素影响、车辆行驶轨迹与摄像头位置影响、车牌样式繁多等原因,相关技术人员无法及时准确获得所需车牌号码信息。运用MATLAB对所需车牌号码进行识别,可以提高获取车牌号码的准确性和速度,即使车牌本身有所遮掩或者缺损,也可以通过建立相关数学模型、扩大字符数据库等方法,并运用字符识别与数据库内容相互比对,最终得到所需要的车牌号码。     

基于YOLOv5算法的目标检测与车牌识别系统

本文首先介绍了实时目标检测网络(YOLOv5Net)提取车辆图像相关特征并通过训练进行实时目标检测,接着阐述了车牌识别神经网络(LPRNet)对车牌进行实时识别,通过对实时目标检测网络提取的特征进行分析,利用与视觉任务强相关的测试样本集对目标检测模型与车牌识别模型进行测试。实验结果表明,当测试样本场景与视觉任务相关度越高,且样本中车辆目标的形变越小,得到的目标检测模型与车牌识别模型的效果越好,能够为交通车辆识别与管理等作业提供可靠、高效的车辆信息。     

收费视频网络简化技术在青银高速中的应用研究

收费视频监控系统自高速公路建立以来已经应用多年,随着科学技术的发展,尤其是数字技术的发展,结合多年的实际使用经验,青银高速提出对现有的网络结构进行优化简化,将车辆监视、车牌识别、字符叠加、视频采集、视频传输等功能进行合并,即利用一个摄像机及其软件可以实现现有系统的全部功能。目前该枝术在青银高速窦妪收费站试验成功。     

基于边缘和数学形态学复杂背景车辆定位

在车牌识别和车型识别系统中,为了减少背景干扰,精确地找到车脸、车标或车牌,从复杂背景的图片中定位车辆是一个重要的过程。提出了一种基于边缘数学形态学的复杂背景车辆定位方法,首先利用数学形态学对车辆图像进行处理,增强车辆轮廓并消除噪声干扰,再进行边缘检测并分别进行水平投影和垂直投影得到投影图,将获得的投影图变换为一幅图像,再查找车辆边界。实验结果表明,该方法定位准确率为93%,且定位速度较快。