基于纹理一致性测度的汽车车徽分割方法

车徽是汽车的品牌标志,包含了汽车的重要信息。更为重要的是,车徽是难以更换的,可作为汽车分类与识别的重要依据。首先,对原始图像进行小波变换,求取其垂直纹理测度;其次,选取合适的阈值二值化测度图像并进行形态闭运算;然后,根据位置信息进行车徽粗分割;最后,根据纹理一致性测度提取车徽。实验结果表明了提出的车徽分割方法的有效性。     

基于灰色理论的车型自动分类识别

在灰色理论基础上提出了一种车型自动分类识别技术.该技术分为二大部分:第一部分是测量车辆的三维信息,即完成从二维信息到三维信息的转换,获得车辆的长度、宽度和高度特征;第二部分是利用灰色关联分析对车辆进行分类识别.实验表明,与传统的识别方法相比明显提高识别速度与识别精度,且具有很好的实用性.     

基于灰色理论的车辆分类统计与流量预测

在灰色理论基础上提出了一种自动车型识别与流量预测技术。该技术实现可分为三个步骤：第一步,测量车辆的三维信息,获得车辆的长、宽、高度特征;第二步,利用灰色关联分析对车辆进行分类识别;第三步,建立一阶单变量车辆预测模型即GM（1,1）,用于有关部门统计指标的预测。实验表明,该方法在车型识别中,具有比较高的识别精度,而灰色预测模型较传统的预测方法更具科学性与实用性。     

车辆碰撞事件与碰撞损伤的检测方法

提出了一种针对车辆碰撞事件的远程检测方法. 该方法利用机器学习技术分析车辆的速度和加速度信号, 从而对车辆的行驶状态进行在线监测. 车载的前端设备实时的采集速度和加速度信号, 初步识别出可能的碰撞信号并通过无线网络发送给后台服务器. 后台服务器对碰撞信号进行准确识别, 并判断车辆的损伤程度. 论文给出了碰撞事件和碰撞损伤的检测方法, 并进行了实验测试, 结果表明该方法是有效的.     

智慧交通中的目标识别技术研究

该文对智慧交通中的目标识别技术进行研究,介绍了常见的对车辆等目标进行特征提取的方法,阐述了基于目标特征的车辆识别,并在对图像数据进行预处理后使用聚类算法进行目标识别;对智慧交通中的多目标跟踪技术进行归纳,分析了多目标跟踪的流程及主要步骤.     

基于二值差分图像的运动车辆位置识别算法

针对运动车辆识别实时性问题,综合运用图像处理和模式识别技术,给出了车辆图像处理方法,提出了基于二值差分图像的运动车辆位置识别算法.该算法采用特征小区匹配法识别车辆位置,减少了计算量,提高了识别速度.仿真试验结果表明,在摄像机拍摄位置静止、拍摄角度固定的情况下,利用该算法,能够以较快的速度、较准确地识别出画面中汽车的位置.     

基于改进的CAM偏移算法实现运动车辆跟踪

与无人车驾驶相关的计算机技术发展火热,其中车辆识别技术在智能交通监控、智能交通信息系统等方面应用越来越广泛。车辆识别包含了运动车辆检测、型别分类、车辆跟踪等内容。对智能车无人驾驶技术中的车辆识别检测等关键技术进行了深入的探究,采用车辆的图像识别结果,选择用平均值求色差值作为识别基础的CAM偏移算法。该算法采用车辆颜色作为特征进行跟踪检测,不会随着车辆的明暗、形状变化被干扰,在车辆识别过程中具有较高的可靠性。对该算法加以改进,实现了对车辆更好的识别。     

基于SVM的车型检测和识别算法

根据模式识别理论和支持向量机(SVM)网络技术,对运动车辆的检测和模式识别、分类进行了研究,提出了基于双帧差“或”运算检测法和基于SVM网络的车型识别和分类算法。实验结果表明,所设计的检测方法和SVM模式识别方法能够快速有效地识别车辆类型并正确地进行分类。     

路面车辆的视觉检测方法

智能车辆是近年来的研究热点,基于视觉的车辆检测与识别技术是智能车辆技术研究的一个重要组成部分。介绍国内外路面车辆检测技术的研究方法和发展现状。根据检测的不同方法,以视觉传感器为主,从特征和运动的角度论述目标检测的方法;从模板、外观和分类的角度论述目标识别的方法。介绍立体视觉和多传感器融合的技术。对智能车辆障碍物检测和识别技术的发展进行了展望。     

基于多特征的车辆一致性检测的研究与应用

文中主要研究封闭区域内多摄像机间车辆跟踪时车辆的同一性识别问题,提出一种基于车辆多种特征的、多摄像机间的车辆目标一致性匹配方法。该方法采用背景减除法分割出感兴趣区域,对感兴趣区域采用灰度和彩色区间分割相结合的方法定位车牌,并识别车牌信息及车辆的HSI颜色信息;同时利用边缘检测算法和矩不变量技术对车型进行识别,最后采用特征加权法对车辆进行一致性匹配。实验结果表明这种匹配方法在外界条件良好时可以较好地检测出同一车辆目标。     

基于主成份分析和支持向量机的车标识别

基于车牌定位算法确定车牌和车标的位置关系,利用Hausdorff距离精确定位车标位置并对其进行数学形态学图像处理,边缘检测,连通域分析.对车标图像进行基于主成分分析的降维处理并对提取到的PCA特征进行归一化处理,最后用C-SVM支持向量机算法对提取到的特征进行识别.实验表明,上述算法具有精度高、识别效率高、速度快等优点...     

基于模糊理论的车型识别

随着机动车数量的增加,交通管理、公路收费的工作量和工作难度日益加大,因此车型自动识别在公路交通管理和自动收费中有重要的应用价值。文中主要提出了运用模糊理论建立隶属度函数对提取了特征数据的车辆进行模式识别的方法,该方法能识别常见的轿车、越野车、货车和客车。并给出了识别过程实现的程序框图。该方法结构简单而且识别效率较高,速度较快,相比神经网络的方法更容易实现,应用于实际作业将会明显减少人员的工作量。     

车牌精确定位与实现

车牌识别系统作为自动识别车辆的一种重要形式,是城市智能交通管理系统中不可或缺的重要组成部分,广泛用于路桥、隧道等卡口的自动收费系统、现代住宅小区、停车场、重要机关单位的汽车出入控制、车流监控等重要场合,尤其在高速公路收费系统中,车牌自动识别更是一个重要的环节。车牌定位作为车牌自动识别中的关键步骤,对系统识别率有重要的影响。     

基于FCM颜色聚类的车牌定位方法

提出了一种基于FCM颜色聚类的车牌定位方法。首先应用高斯差分算子对图像进行二值化;其次进行中值滤波;然后利用形态滤波,基于车牌的结构特征进行车牌的粗定位;最后基于FCM颜色聚类进行车牌的精定位。对各种条件下采集的250幅车辆图像进行实验,定位率在98%以上,同时该算法对光照影响有很好的鲁棒性。     

Towards a Multinational Car License Plate Recognition System

A full-fledged image-based car license plate recognition (CLPR) system is described in the paper. CLPR provides an inexpensive automatic solution for remote vehicle identification. Gray-level input images are assumed. The localization stage of the CLPR yields a plate clip followed by character segmentation and recognition. The recognition scheme combines adaptive iterative thresholding with a template-matching algorithm. The method is invariant to illumination and is robust to character size and thickness, skew and small character breaks. Promising results have been obtained in the experiments with Israeli and Bulgarian license plates including images of poor quality. Also, the possibility of using an “off-the-shelf” OCR has been explored.     

车牌目标的自动定位技术

车牌识别问题是当前国内研究的一个热点方向，它的研究成功对车牌控制、运输安排等有着重要的应用价值。为了解决在车牌识别中的首要问题--车牌的自动定位技术，根据车牌目标在图象中的成像特点，提出了基于投影不变性的车牌自动检测定位方法，在车牌歪斜角度不大的情况下，成功地从复杂背景中检测定位出了车牌，通过现场实际测试，该方法取得了较好的定位识别效果。     

基于DSP的车牌识别系统研究

介绍了一种基于TMS320DM6437硬件平台,运用数字图像处理的知识来实现汽车车牌的自动识别功能。对目前使用的车牌预处理、车牌定位技术与字符分割等算法进行了实验分析。     

基于边缘颜色对的车牌定位新方法

车牌定位是车牌自动识别系统中的一个关键问题．该文提出了一种新的基于边缘颜色对的车牌定位方法．首先进行彩色边缘检测，然后以每一边缘点为中心，垂直于边缘方向取一线形窗口，在窗口内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色，若是，则保留为候选车牌边缘点；然后进行形态滤波，剥离不符合车牌结构特征的区域，最后对候选车牌区域进行纹理特征的分析以确定真实车牌区域．该方法抓住了车牌背景与字符具有固定颜色搭配的重要特点，综合利用了车牌的结构特征和纹理特征，提高了车牌定位的可靠性．对各种条件下拍摄的163幅含有车牌的图像应用该算法，定位准确率达到98．2％。