基于卷积神经网络的模糊车牌自动识别

目前,清晰的车牌识别算法已经成熟,但是对于人眼不能识别的模糊车牌,传统车牌识别算法的识别率较低或者根本无法识别。鉴于此,提出了一种基于卷积神经网络的车牌字符识别算法。制作了含9 720幅模糊字符样本集,用8 748幅样本对卷积神经网络进行训练,测试样本时,先对模糊车牌字符进行盲分割等预处理,再调用训练好的卷积神经网络对盲分割后的字符进行识别。实验结果表明:该算法对训练集的准确识别率约为99.17%,对测试集的准确识别率约为93.32%,这说明该算法对模糊车牌的识别具有鲁棒性,能应用于各种场景。     

复杂环境下的车牌定位方法研究

车牌定位是车牌识别的关键步骤,而由于室外环境的变化,对稳定的车牌定位方法提出较高要求。快速准确的车牌定位能为最终车牌识别提供重要保障。通过提取彩色图像的水平梯度边缘图像,对其进行基于积分图像的二值化,并对图像进行连通域处理,将纹理丰富的车牌区域提取出来。通过实验证明该方法简单有效,能够满足复杂场景的车牌识别需要,具有较强的鲁棒性。     

车牌识别技术在智能交通系统的应用研究

智能交通系统对于扼制交通违章,打击肇事逃逸,科学合理地解决交通问题,有着极其重要的意义。车牌识别技术是智能交通系统中的关键技术之一,包含车牌定位和字符识别这两项主要技术。针对当前传统的识别技术识别准确率不高,识别速度不快提出了一种基于小波分析的车牌定位快速算法,并且利用神经网络技术实现字符识别的算法。经过实际应用得出通过对车基于小波的车牌定位算法,可以较好的进行车牌定位,定位率可以达到96．3％以上。对字符的识别率可以达到85％以上牌的自动识别。提高了传统技术的自动识别效率。此车牌识别算法的速度和准确率在实际工程应用中达到交通监控集成系统的功能要求,取得了较好的运行效果。     

一种基于灰度差阈值的快速车牌定位方法

智能交通系统(ITS)在现代交通中扮演了越来越重要的角色,车牌识别是智能交通管理中一个重要的环节,车牌识别由预处理、车牌定位、字符分割和字符识别组成,本文从预处理和车牌定位入手,提出了一个运算简单、运行速度快的车牌定位方法。采用图像灰度差阈值生成二值图,利用汽车牌照字符和底色的纹理特征找到车牌位置的新方法。     

实时数字车牌定位算法

交通车辆的自动车牌识别系统由于其广泛的商业应用,是一项具有挑战的研究领域。第一步同时也是非常重要的就是把从摄像机捕获的图像进行车牌定位。在车牌定位和车牌数字识别方面,大量的文献讨论这个问题。然而,其中的人大多数只限于特定的环境。例如场景不是很昏暗、背景不是很复杂等等。目前,研究的车牌定位系统,是基于新型的多阶段的方法,通过对比拉伸的灰度图像的垂直边缘梯度进行分析,实验证明这种方法对于89．2％的车牌有效。     

车牌字符识别技术

本文分析了车牌字符识别的技术要点，对照了各种不同的解决方法，最后指出了分级分类技术是保证车牌识别快速性和准确性的良好方法。     

采用角点信息和惯性主轴的车牌倾斜检测与校正方法

车牌倾斜检测与校正是车牌识别的关键技术之一.提出了一种基于字符角点信息和惯性主轴的车牌倾斜角检测方法.在用Harris角点检测算法提取出车牌区域字符角点信息的基础上,通过计算所得角点的惯性主轴来检测出车牌的倾斜角度,从而实现车牌的倾斜校正.给出了实验结果,并与Hough变换法、旋转投影法进行了比较.结果表明,该检测校正方法运算量小,速度快,校正精度高.     

车牌识别系统中车牌照片边缘检测

车牌图片预处理是汽车牌照识别系统中的一个重要的环节,预处理的好坏对车牌系统识别率影响很大。如何检测车牌照片的信息并适合计算机识别一直是研究的热点。在对车牌特征分析的基础上,提出一种最简车牌照片边缘检测算法,并通过与经典算子进行比较来突出该算法的优势。     

智能汽车路径识别中的图象处理算法

分析全国大学生智能汽车竞赛中智能汽车路径识别中的图象处理算法,重点介绍智能车车牌识别的控制算法。智能汽车通过OV7620数字摄像头对路面信息进行采集和处理,依次实现自动识别十字路口上的红绿灯、自动检测前方车距、自动识别车牌等功能,并以一个较高的稳定速度运行在规定的道路上。     

采用BP神经网络的车牌字符识别方法研究

将BP神经网络应用于汽车车牌的自动识别，在简述车牌预处理的基础上，重点讨论了用BP神经网络方法对车牌照字符的识别，用MATLAB完成了对车牌照数字识别的模拟，最后给出实验结果：     

车牌识别在高速收费系统中的应用

汽车数量的不断增加,使高速收费面临着较大挑战,智能化、高效化收费模式已经成为现代高速收费系统设置目标。鉴于此,车牌识别技术开始在高速收费系统中得到应用。该文将以车牌识别系统介绍为切入点,通过对车牌识别原理与过程的分析,对该系统在高速收费系统中的具体应用展开全面论述,希望能够为车牌识别技术使用以及高速收费系统优化提供可靠支持。     

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％.     

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。     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

基于视觉显著图的车牌定位算法

本文基于视觉显著图提出了一种新的车牌定位算法.首先利用自底向上的视觉注意模型对输入的彩色图片分别提取出强度、车牌颜色、车牌边框方向三类特征图;然后将特征图整合成视觉显著图,并对视觉显著图进行二值化,得到车牌的候选区域;最后结合输入图片水平方向上的边缘信息,以及车牌的长宽比例、跳变次数等特征,准确提取车牌区域.实验证明,此算法能大量地减少背景环境对定位所带来的伪车牌个数,有很强的环境适应性和抗噪能力,具有较高的定位率.     

数字图像处理在车牌识别系统中的应用

数字图像处理技术在车牌识别系统中的图像预处理起着关键的作用,介绍图像灰度化、图像去噪以及图像二值化方法,并通过仿真试验模拟图像处理的过程。实验证明文中图像处理方法用于车牌识别的有效性。     

车牌识别中的倾斜校正算法

在车牌自动识别中,由于倾斜的字符的识别和分割困难,因此必须对字符进行倾斜校正。本文对目前常用的倾斜校正算法Hough变换和Radon变换进行了介绍,分析和对比。     

一种车牌自动识别算法研究

汽车车牌自动识别是智能交通管理的重要部分,对管理和监控车辆有重要作用.提出了一种车牌自动识别算法.首先提取摄像头拍摄到的车辆照片,对图片进行灰度化、图像降噪、二值化等预处理,然后对车牌号码进行定位、分割和归一化,再根据字符的特征用多级分类器对车牌号逐级分类,最后用模板匹配法对车牌号码进行识别,这种方法计算量低,准确度高...     

对高速公路电子不停车收费稽查系统的分析

本文介绍了一种基于汽车物理车牌图像自动识别及车型自动识别技术的高速公路电子不停车收费稽查系统。该系统通过对在电子不停车收费车道完成电子交易后通行的每一辆汽车进行物理车牌图像及车型的自动综合识别,并将识别结果与电子交易流水中的车辆信息进行比对,自动从中筛选出两者不一致的车辆,辅助管理人员达到快速、准确稽查目的。     

基于纹理及小波分析的车牌定位方法

提出了一种基于纹理和小波分析的车牌定位方法。针对图像背景复杂,且车牌所占比例较小的特点,提出了一种确定基元分类阈值的二值化方法;根据车牌字符分布规律,提出了二值纹理基元分析方法,提取车牌候选区域;基于小波分析提取车牌区域竖笔画特征,采用隶属度定量表征车牌竖笔画特征、位置特征及形状特征,给出综合这些特征、从候选区域提取车牌区域的方法。测试结果表明,该方法正确定位率超过96%