基于车牌识别数据的机动车出行轨迹提取算法

为了提取城市路网上所有运行车辆的出行轨迹,系统科学地再现所有车辆的运行场景,进而为分析城市交通需求的结构和时空分布特性提供数据支撑,提出基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链;利用相邻节点间的速度,结合交叉口邻接矩阵完成行链的分离;基于K则最短路径算法（KSP算法）及灰色关联法（GRA算法）,对出行轨迹进行补全重构.对贵阳市南明区的实际车牌识别数据进行算法测试.结果表明,提出的基于车牌识别数据的机动车出行轨迹提取算法在测试区域的综合准确率大于92%.     

基于车牌识别数据的交通拥堵识别方法

针对目前缺少基于车牌识别数据的交通拥堵识别方法的相关研究,使得建设及维护成本均较高的车牌识别系统只能实现交通监控、流量检测等初级功能,导致系统性价比较低的问题,分别设计了基于车牌识别数据的单车行程速度采集方法及区间平均行程速度采集方法,对交通拥堵的识别方法进行了研究,并进行了实例分析.结果表明,单车行程速度采集方法及区...     

快速路截面数据和车牌识别数据融合算法

为了提高快速路交通流检测精度,在对快速路截面数据和车牌识别数据预处理方法研究的基础上,提出了基于遗传算法优化的BP神经网络数据融合算法,并以VISSIM模拟交通流数据为对象,通过MATLAB程序实现该算法的仿真验证,同时与传统BP神经网络融合算法进行对比分析.结果表明,该算法融合的平均相对误差为0.73%,传统BP神经网络融合的平均相对误差为1.55%,融合精度显著提高.     

基于车牌识别数据的旅行时间可靠性研究

车牌识别数据是一种城市道路行驶车辆的实时监测数据,具有数据量大且持续生成、时间空间相关等特性。针对当前基于车牌识别数据进行智能交通的相关研究较少,本研究利用车牌识别数据进行旅行时间可靠性的研究,首先进行旅行时间数据的获取及处理,然后利用处理后的数据,选取缓冲指数作为旅行时间可靠性主要评价指标,标准差与拥挤频率为辅助指标,对青岛市某路段车辆的旅行时间可靠性进行评价分析,证明了方法的有效性。     

基于MATLAB的车牌识别

使用MATLAB工具箱对车牌进行识别。根据图像识别理论,在现有技术基础上,综合利用图像处理、计算机视觉、模糊识别等技术,重点对车牌定位、模板匹配等进行了应用性的研究。实验结果表明,所述方法是有效的,能够定位和识别车牌字符,达到了预期的目的。     

基于MATLAB的车牌识别

使用MATLAB工具箱对车牌进行识别。根据图像识别理论,在现有技术基础上,综合利用图像处理、计算机视觉、模糊识别等技术,重点对车牌定位、模板匹配等进行了应用性的研究。实验结果表明,所述方法是有效的,能够定位和识别车牌字符,达到了预期的目的。     

基于交叉口车牌识别数据的网络交通状态分类方法

为实现能实时、高效、准确地利用现有的车牌识别数据掌握路网交通状态,并精准实施道路交通网络控制措施,基于道路交叉口车牌识别系统数据,依据基于平均最短路径长度的拥堵指标衡量路网运行状态,使用K-means聚类算法进行分类,依据谱距离指标和拥堵指标分类不同时段的网络剩余供给能力。在此基础上,依据实时的道路交通数据,计算拥堵指标,可得到实时道路网络剩余供给能力分级。针对分级后的实时道路网络的实际剩余供给能力,设计不同的网络交通管控方案,能有效缓解交通拥堵。以长沙市五一广场局域道路网络为实例,研究结果表明：城市道路网络状态全天可以分为4种类型,拥堵指标为1.522、1.823、2.207、3.069,分别对应路网剩余供给能力良好、一般、较差和极差。该网络早晚高峰时段路网剩余供给能力多处于较差状态,并且晚高峰时路网有可能处于剩余供给能力极差状态。相比于工作日,在周末的高峰时段,路网剩余供给能力表现较为良好。采取针对性交通管控措施后,经仿真验证表明拥挤路径社会总成本下降5%以上。     

基于图像处理的车牌识别技术

汽车车牌照的识别是智能交通系统必不可少的组成部分,也是保障车辆安全的必要手段。本文针对智慧小区设计一种简易实用的车牌识别系统,设计内容包括图像采集及预处理,车牌定位,边缘检测,字符识别等。系统开发构建在Qt软件平台上,对采集的图像进行灰度化、边缘检测二值化处理,同时,通过水平投影进行区域定位消除边框,再利用处置投影对车牌字符分割,最后根据特征值对系统字符识别,输出字符。实验验证,该系统检测方便易行,识别效果较好。     

基于MATLAB的车牌识别系统设计

针对复杂的高速交通系统,设计出一套基于MATLAB的车牌识别系统,预期目标是能运用数字图像处理技术自动地识别给定的照片中的牌照信息内容,使得交通系统数字化和实时化。该系统的图片处理部分运行在MATLAB平台上,同时依托MATLAB的图片处理工具箱和计算机视觉工具箱,以及图像采集工具箱等工具提供的便利条件。该系统可以在一定程度上代替人类的工作去实现某种意义上的人工智能,并以此来提高工作效率和资源的节约,同时降低人工的支出成本。     

基于图像处理的静态车牌识别技术

车牌识别技术(LPR)是智能交通系统(ITS)的重要组成部分,无论从学术方面还是实际应用方面都值得深入地去研究.从提高识别的准确性、实时性和稳定性等方面考虑,提出了一种基于车牌颜色的定位法,基于字符特征的分割法,基于模板匹配的识别法.实验表明,这种算法操作简单、识别率高,具有良好的推广应用前景.     

基于模糊ARTMAP神经网络的车牌识别

车牌识别是一种车辆自动识别技术。本文提出了一种用模糊ARTMAP神经网络来识别车牌的方法。模糊ARTMAP神经网络是神经网络家族中的一种比较新的体系结构，与传统的BP算法相比，它具有较强的学习能力。     

基于CBR的车牌识别技术的研究

为提高车牌识别的速度和准确性,在图像处理与车牌识别技术相结合的基础上,提出了一种基于实例推理（CBR）的车牌识别方法,实现CBR在车牌识别领域的应用。描述了基于CBR车牌识别过程,分析了将CBR应用于车牌识别原因和前景,并提出了图像基于实例检索的关键技术和研究方向.     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。     

基于双教师知识蒸馏的轻量级车牌识别

针对车牌识别算法参数量大、实时性差,且在硬件水平较低的生产场景下应用效果不佳等问题,本文提出一种基于双教师知识蒸馏的方法,有效提高了轻量级网络模型的性能。设计一个特征融合模块,提取出聚合多尺度信息且更具鲁棒性的特征,使网络可以挖掘更丰富的语义信息,采用注意力机制,自适应的指导学生网络,教师知识得以更好地反哺给学生,帮助学生网络高效学习。实验结果表明,与传统的轻量级算法相比,本算法在储存资源有限及硬件水平低的生产场景中应用前景广阔。     

基于识别结果校正的车牌字符分割算法

在车牌识别系统中,字符分割发挥着承上启下的作用。由于外界环境如光照、尘埃的影响,造成预处理后的车牌图像产生字符断裂和粘连现象,造成分割错误,影响后续字符识别。通过研究多种字符分割算法,提出了一种结合垂直投影法、连通域分析以及通过模板匹配字符分类器的识别结果进行反馈校正的分割方法。分别对停车场车辆车牌、高速公路路口抓拍的车牌以及公路行驶车辆抓拍的车牌进行测试,其中停车场车牌可以实现98%以上的分割正确率,其余2种情况的正确率也在97%左右,表明该方法有实用性。     

基于PSO-RBF神经网络的雾霾车牌识别算法研究

给出一种雾霾环境下车牌识别改进算法.首先利用改进的暗原色先验法对雾霾天气下的车牌图像进行去雾处理;然后经预处理、定位、分割与提取,得到粗网格特征矩阵;最后采用经粒子群算法优化的径向基函数神经网络进行识别.实验结果表明,系统去雾效果良好,且能缩短去雾处理的时间,有效提高雾霾天气下车牌识别的速度和准确率.     

车牌识别中的图像提取和分割算法

在对车牌图像中的几种主流字符提取、分割的方法进行分析、比较的基础上,对车牌图像先应用形态学中的开运算增强,再选择自适应阈值并进行二值化,以连通区域法为基础,结合投影法、固定边界法进行分割.结果表明,这种策略在增强图像分割效果的基础上,加快了图像处理速度.     

基于模糊自适应的BP神经网络动态行驶车辆车长测算

在对绿色通道检测系统实测大量数据分析及实验研究的基础上,提出了一种在车辆动态行驶过程中运用BP神经网络进行车长测算的方法。该方法通过模糊自适应的方式调节BP神经网络的学习率以加快算法的收敛速度。本文将该方法应用于吉林省省际收费站的绿色通道检测系统中,通过对绿通车辆大量的实车数据的测试与验证,结果表明本文所提测算方法能够有效地提高在车辆动态穿行过程中车长的测算精度。     

基于实时优化的轨迹快速重构方法

针对临近空间飞行器执行特定任务时,由于干扰的影响导致实际轨迹偏离初始设计轨迹的问题,本章利用一种基于拟牛顿法的轨迹优化算法,通过飞行状态反馈,提出了一种利用优化算法对飞行轨迹进行分段实时优化而实现干扰作用下的飞行轨迹快速重构方法.仿真结果表明,该算法能对干扰作用下的实际飞行轨迹偏离初始设计轨迹实现快速重构,从而消除随机干扰对临近空间飞行器的飞行影响.