一种基于模糊模板匹配的车牌汉字识别方法

针对车牌汉字识别提出了一种基于二值图形变动分析的模糊模板匹配的车牌汉字识别方案。介绍了该方法的具体实现算法和实验流程及结果。     

一种基于多特征提取的实用车牌识别方法

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。     

车牌字符多特征提取与BP神经网络的识别算法

在车牌图像字符识别问题的研究中,针对大部分单个特征提取方法在车牌字符识别上的局限性,提出一种车牌字符多特征提取与BP神经网络识别的算法.对车牌字符图像进行预处理后,提取字母和数字字符直线特征,字符笔画点特征,环数特征以及环面积特征,作为字母与数字字符的四类特征.因汉字结构复杂与笔画多,采用13点来提取汉字特征,提取的特征输入到网络进行学习和识别.针对BP神经网络算法的不足,采用附加动量法和自适应学习速率对其改进.MATLAB仿真结果表明改进算法能够有效的提高车牌字符的识别率,识别率达到了98.5％.     

基于多模板匹配的车牌字符识别算法

在车牌识别系统中,传统的模板匹配算法处理时间长,对笔画缺失或断裂的字符识别效果不好。为此本文提出一种基于多模板的匹配算法,首先构建三种类型的模板库,并在构建好的多模板库上进行模板匹配,整个过程采用分块匹配的方法来加速模板匹配的过程。     

一种实时汽车车牌识别系统的研究

提出一种适用于汽车车牌识别系统的灵敏且简易的算法。这种基于模板匹配的算法可收集实时车牌检测所需数据,以便达成用于研究或某些特殊应用的目的。该系统的模型用C++编程完成,通过抽取美国车牌进行实验,得出了对车牌字符进行识别的结果。     

质量退化的车牌字符分割方法

提出一种车牌字符分割方法．首先,进行光照不均校正、对比度增强和倾斜校正;其次,对字符外轮廓垂直距离采用尺度自适应三次B样条小波变换进行字符的粗分割;最后,应用基于目标占有率模板匹配的字符识别反馈进行字符的精分割．实验结果表明,文中方法对光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像具有很好的字符分割性能．     

车牌自动定位与识别方法研究

提出了一种车牌定位与字符识别方法,该方法可有效地提高车牌的定位能力、字符识别率、识别速度以及识别系统的泛化能力。实验结果表明：该方法的识别率超过97%,能有效地识别各种车牌中的字符,满足实际系统的要求。     

车牌识别技术研究

车牌识别技术问题是近年来智能交通系统技术研究的热点问题,车牌识别技术主要包含三个部分:图像预处理、车牌定位及校正、车牌文字识别。本文介绍了复杂背景下车牌识别系统的实现方法。     

改进的车牌相似字符分级分类识别算法研究

针对单一使用模板匹配车牌字符识别算法识别准确率低的缺陷,综合考虑到模板匹配方法的优劣,以及车牌字符集自身的特征,通过研究模板匹配方法的思想并对相似字符容易误识别的特点进行分析,采用改进的基于模板匹配车牌相似字符识别方法,并结合分级分类的思想,有效地提高了识别率.对不同环境下1030张高速卡口摄像头抓拍的车牌图像进行测试,提出的车牌字符识别方法准确率达到了系统的要求,并具有良好的鲁棒性和实时性.     

试析车牌识别系统中的关键技术

随着社会经济的发展,我国汽车数量也在迅速增长,智能交通也越来越普及,其中的车牌识别系统在大型停车场、小区门口、高速公路收费处等地方已经逐步投入使用,由于受到各种因素的制约,并没有普及。简要分析了目前存在的车牌识别系统中的关键技术,并对车牌识别系统进行了展望。     

车牌提取与识别系统的研究与设计

针对现有的车牌识别方法的缺陷,改进了车牌识别系统中的多项关键技术;采用了基于图像二维能量与HSI彩色空间相结合的方法进行车牌定位与提取,并对现有的能量算法与彩色图像分割算法做了改进;在识别过程中,引人了特征提取与多级BP神经网络相结合的分类识别方法,对车牌中部分相似字符采用第二级神经网络进行精细识别;通过上述改进,提高了系统的整体性能;实验表明,这些关键技术的改进可以大大提高车牌识别系统的准确率与鲁棒性.     

一种基于模板库的车牌字符识别算法

模板匹配法在汽车牌照自动识别系统中已经得到广泛应用。应用此方法的系统有一个问题是,后期车牌字符识别过程中对图像处理花费的时间、数据运算量很大。为解决此问题,文中在传统的模板匹配方法的基础上提出了一种新的基于模板库的的模式匹配改进型算法。通过建立模板库,规避了传统算法中车牌的倾斜矫正这一环节,减少了系统运行时的数据运算量,提高了系统处理速度。增强其在车牌倾斜时的识别率、准确率同时,还有很好的鲁棒性。     

一种基于模板库的车牌字符识别算法

模板匹配法在汽车牌照自动识别系统中已经得到广泛应用.应用此方法的系统有一个问题是,后期车牌字符识别过程中对图像处理花费的时间、数据运算量很大.为解决此问题,文中在传统的模板匹配方法的基础上提出了一种新的基于模板库的的模式匹配改进型算法.通过建立模板库,规避了传统算法中车牌的倾斜矫正这一环节,减少了系统运行时的数据运算量,提高了系统处理速度.增强其在车牌倾斜时的识别率、准确率同时,还有很好的鲁棒性.     

一种快速车牌定位算法

提出一种快速的车辆牌照定位算法,对获取的车辆图像进行相应预处理后,根据图像的纹理特征,分析牌照区域字符分布情况及变化规律,利用车牌号码区域像素值的变化频率,在一个特定范围内进行水平和垂直方向上的定位,从而准确地得到车牌区域。实验结果表明,本文提出的算法能够较好地快速定位车辆图像中车牌区域。     

车牌识别系统中关键技术的研究

针对现有的车牌识别系统中的多项关键技术做了改进。车牌定位与提取技术采用了基于图像二维能量与HIS彩色空间相结合的方法,并对现有的能量算法与彩色图像分割算法做了改进。在倾斜校正中,给出了一种基于车牌二值图像的密度重心的校正方法;在识别技术中,引入了特征提取与多级BP神经网络算法相结合的分类识别方法,对车牌中部分相似字符采用二级神经网络进行精细识别。实验表明,通过对车牌识别系统中关键技术的改进可以大大提高该系统的鲁棒性与准确率。     

基于SIFT特征匹配的车牌识别方法

针对智能交通系统中基于视觉的车牌识别中存在的依赖于光学字符识别以及在复杂环境下准确率低的问题,提出了基于SIFT特征匹配的车牌识别方法。通过基于插值的超分辨率图像重建方法对车牌图像进行预处理,基于轮廓特征对车牌进行定位,通过SIFT特征匹配的方式,利用模板库中的车牌字符模板对车牌进行定位验证以及字符识别。实验结果表明该方法能有效提高车牌识别的效率。     

车牌识别中人工智能技术的应用

车牌识别是许多智能交通应用场景需要解决的问题,如小区汽车门禁、停车场自动计时收费、道路电子眼自动违章识别抓拍等。近年来,人工智能技术已应用到许多车牌识别方案中。本文主要阐述了车牌识别的整个流程及涉及的人工智能相关算法,比较并分析了各种算法特点和优缺点,对进一步研究人工智能技术在智能交通领域的应用具有一定的借鉴意义。     

一种基于BP神经网络的车牌字符分类识别方法

目前,车牌字符识别算法主要是基于模板匹配、特征匹配或神经网络的方法。本文根据车牌字符的特殊性,提出一种采用特征提取与BP神经网络学习算法相结合的分类识别技术,选取字符的粗网格特征作为字符的识别特征,以改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别研究。对于易混淆和相似的字符、汉字笔划粘连、字符偏移现象等都提出了自己的解决方法。实验结果说明,本方法可大幅提高车牌识别系统的正确识别率和抗干扰能力。     

字符多特征提取方法及其在车牌识别中的应用

针对车牌字符识别中大部分单一特征提取方法在字符识别上的局限性,提出了一种车牌字符多特征提取方法。在经过预处理后的车牌细化字符基础上提取字符4个侧面的笔画特征、拐点特征、轮廓累积特征及字符内部像素特征,构建出一个维度较低的特征向量集,然后分别采用支持向量机、K近邻算法、BP神经网络、径向基神经网络对陆丰高速公路实地拍摄的车牌图片进行测试并分别与模板匹配方法、网格法、基于小波矩方法比较,实验结果表明提出的车牌字符多特征提取方法识别率高,鲁棒性好。     

投影和模板匹配相结合分割车牌字符

提出了一种解决断裂、粘连、污损和部分遮挡车牌字符的分割算法.结合字符牌照的特征,对校正后的车牌图像进行投影,处理断裂和粘连的字符,实现字符初次分割.在初次分割的基础上,设计匹配模板对初次分割下来的车牌图像进行模板匹配,寻求误差最小的模板对字符重新分割.实验结果表明,该方法自适应性强,有很强的鲁棒性,可以获得最优的分割效果.