基于车辆号牌自动识别技术在港口的设计与应用

本文论述将车辆号牌自动识别(License Plate Recognition)技术在港口治安卡口处的设计与应用问题,详细介绍车辆号牌自动识别系统的技术说明、构成及主要特点。     

车辆目标的计算机模式识别

本文通过分析地面运动车辆的声音特征，建立了几种典型车辆的统计识别模型，通过实验验证，达到了满意的效果。     

红外序列图像中热晕背景的消除

红外探测器工作时间长或太阳直射时,可观察到红外图像有热晕现象。红外探测器观察的 景物亮度或对比度通常很低,此时热晕对红外像质的影响比较严重。针对上述情况,研究用数字图像处理的方法——帧相减、反色相加,对红外图像进行实时背景补偿,以便消除热晕的影响。在此基础上用数学形态学去除图像中的噪声点,突出目标。理论和实验结果表明,对红外图像的热晕补偿改善了图像的质量。     

公路信息系统中车辆称重系统设计

现代公路信息系统应该包括大量丰富的数据,车型、车辆类别、车辆流向、载重量、车牌号等。这些资料的收集和处理,对我国公路科学管理决策有决定作用,也对治安和国民经济有着十分重要的意义。目前我国在系统化采集、处理整套完整数据方面和国外还有一定的差距。     

基于机器视觉实现电子警察系统车牌识别功能"计量"确认方法

为解决电子警察系统号牌识别率的计量问题,本文研究了机动车退化(模糊)图像的生成过程,将实验室(或野外)严格控制条件下的图像为过渡图片,建立了因机动车运动造成图像退化(模糊)的计算模型,获得退化图片用于号牌识别率的确定.模型能保证成像的曝光时间、响应特性、光照特征等复杂因素的可控性,实验程序证明了本方法的可行性.     

像移和采样共同作用下的TDICCD探测器像质

CCD探测器的像元尺寸一般来说是光学系统弥散斑的几倍,因此以CCD探测器为接收器的光学成像系统在理论上可以近似看作是空间移不变系统。采用计算机仿真的方法来研究在空间移变条件下的TDICCD遥感相机的影像分辨力和像质问题,结果是：在目标条带宽度一定时,像元尺寸为a,像移量为a/3,a/2,a,MTF分别下降为0．918,0．876,0．753;当MTF基本相等时,像移量为a/3,a/2,a,条带宽度为36,38,44。通过模拟,认识到在像移大于a/3时,Angle=0和Angle≠0的肘阡相差小于1％;并在像移量大于a/3的条件下得到了适用于工程应用的像元尺寸、像移量、分辨力、MTF的一个简洁函数。     

神经网络在二维图像识别中的应用

本文提出了一种基于神经网络的二维图像识别技术。选取一组机械零件的二维图像,对每张图像进行放缩和旋转变换,并分析、提取对应图像的nmi特征和7个不变矩特征作为BP网络的输入样本,图像的二进制编号为输出样本构建BP神经网络。并对网络进行抗干扰训练,使网络对理想输入及带噪声的输入均有较好的识别率。实验证明该网络具有一定的工程实用性。     

虹膜识别的身份认证系统

基于虹膜识别的身份认证系统包括3部分:虹膜图像采集,虹膜图像预处理,虹膜图像编码和识别。预处理过程中对虹膜的精确定位,使定位后的虹膜图像具有平移、尺度和旋转的不变性。与现有其他方法相比,该方法将Symlets小波用于虹膜图像编码,使算法的运行速度大大提高,为Daugman方法的8倍, 克服了当前流行算法中计算量过大的问题。     

数码图像的噪声与降噪

噪声是影响数码图像质量的个重大因素所有通过数码相机拍摄到的照片、都存在着噪声．不同机种，型号和不同题材．拍摄条件下，会有哚声轻重程度上的差别．而几无完美。相对于单反类数码机、目前消费类数码机的噪声水平相对更为严重。一幅本该十分出色的图像，往往因为哚声而表现力大打折扣。因此．通过了解噪声在数码图像产生的原因，用可行的方法加以控制和改善就十分地必要     

基于Kalman滤波器的车辆振动速度估计

基于车辆悬架系统模型设计了Kalman滤波器,由测量的车身和车轮加速度信号估计振动速度。分析了过程噪声协方差不准确对速度估计效果的影响,然后讨论了基于预测滤波器的自适应Kalman滤波器。仿真结果表明:Kalman滤波器能够实时准确估计车辆振动速度;预设过程噪声协方差值不准确对车身速度估计影响较大,甚至可能使滤波器失效;自适应Kalman器能够修正过程噪声协方差不准确引起的估计误差,获得准确的车辆振动速度。     

Automatic Vehicle License Plate Recognition Using Optimal Deep Learning Model

The latest advancements in highway research domain and increase inthe number of vehicles everyday led to wider exposure and attention towards the development of efficient Intelligent Transportation System (ITS). One of the popular research areas i.e., Vehicle License Plate Recognition (VLPR) aims at determining the characters that exist in the license plate of the vehicles. The VLPR process is a difficult one due to the differences in viewpoint, shapes, colors, patterns, and non-uniform illumination at the time of capturing images. The current study develops a robust Deep Learning (DL)-based VLPR model using Squirrel Search Algorithm (SSA)-based Convolutional Neural Network (CNN), called the SSA-CNN model. The presented technique has a total of four major processes namely preprocessing, License Plate (LP) localization and detection, character segmentation, and recognition. Hough Transform (HT) is applied as a feature extractor and SSA-CNN algorithm is applied for character recognition in LP. The SSA-CNN method effectively recognizes the characters that exist in the segmented image by optimal tuning of CNN parameters. The HT-SSA-CNN model was experimentally validated using the Stanford Car, FZU Car, and HumAIn 2019 Challenge datasets. The experimentation outcome verified that the presented method was better under several aspects. The projected HT-SSA-CNN model implied the best performance with optimal overall accuracy of 0.983%.     

票据印刷号码定位识别技术研究

针对定额发票印刷特点,对图像进行相应的预处理,根据票面的特征,设计了票据号码定位算法,截取票据号码,提取号码像素的灰度信息作为特征对号码进行识别。实验证明,该方法有效且可行。     

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。     

提高大视场测量相机干板成象能力的方法研究

随着飞行体材料的改进 ,再入段摩擦发光的强度越来越弱 ,致使接受介质干板的成象质量越来越差 ,甚至不能判读处理。利用干板药膜的感光特性曲线 ,在某一范围内 ,其曝光量与曝光温度成线性关系的理论 ,根据试验落区的具体特点 ,提出通过温度控制来调整和改善曝光效果的方法 ,以及使用该方法存在的一系列需要克服的问题 ,使处于临界状态下的目标轨迹清晰可辨 ,便于事后能够判读处理 ,从而提高落区试验成功率。     

基于字符纹理特征的快速定位算法

针对现代(智能)交通中的车牌自动识别系统给出了一种快速的车牌定位算法。该算法结合有效的图像预处理增强方法,通过对车牌一维字符特征搜索,能够快速地定位车牌。大量实验结果证明本算法定位速度快(<50ms, PII300),准确率较高(>95%)。     

Adversarial Attacks on License Plate Recognition Systems

The license plate recognition system (LPRS) has been widely adopted in daily life due to its efficiency and high accuracy. Deep neural networks are commonly used in the LPRS to improve the recognition accuracy. However, researchers have found that deep neural networks have their own security problems that may lead to unexpected results. Specifically, they can be easily attacked by the adversarial examples that are generated by adding small perturbations to the original images, resulting in incorrect license plate recognition. There are some classic methods to generate adversarial examples, but they cannot be adopted on LPRS directly. In this paper, we modify some classic methods to generate adversarial examples that could mislead the LPRS. We conduct extensive evaluations on the HyperLPR system and the results show that the system could be easily attacked by such adversarial examples. In addition, we show that the generated images could also attack the black-box systems; we show some examples that the Baidu LPR system also makes incorrect recognitions. We hope this paper could help improve the LPRS by realizing the existence of such adversarial attacks.     

光电混合相关器在汽车牌照识别中的应用

集成化光电源合相关器是一个很有前途的明识别,介绍了其系统结构及同步控制,并把牌照识别作为它的直接应用,详细叙述了基于综合判别函数的神经网络算法对纯相位二值化匹配滤波器的优化设计,给出了实验结果。     

模式识别相关滤波器设计的峰值锐化技术

提出一种锐化相关峰的滤波器设计方法，把初始滤波函数乘上一个因子，实现相关输出的拉普拉斯运算，从而得到更税利的相关峰和更好的识别效果。     

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％.     

基于混沌优化的板形信号模式识别的研究

针对传统的基于最小二乘法板形信号模式识别方法抗千扰能力差、精度低,神经网络识别方法在实际应用中效果不佳的问题,通过对板形信号和板形识别数学模型的分析,首先将板形信号模式识别过程转化为函数的优化问题。为提高板形信号识别的精度和速度,以勒让德正交多项式作为板形缺陷的基模式,用模糊识别理论与混沌优化方法对该函数进行优化求解。采用模糊理论作为初步识别,用以降低混沌优化的求解维数和缩小搜索空间,借助梯度下降法的思想对混沌优化的局部搜索能力进行改善,从而进一步提高了混沌优化对板形信号模式识别的识别速度和精度。