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。     

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.     

轻量级车牌识别卷积网络

为了提高车牌识别的准确性,提出一种轻量级车牌识别神经网络。车牌定位阶段,构造了深度为9的卷积神经网络(Convolutional Neural Networks,CNN),首先利用图像预处理与阈值分割融合的方式对车牌进行粗定位,然后对CNN网络进行模型训练,得到网络权重,最后将车牌候选区域输入到CNN模型来实现精准定位车牌。车牌识别阶段,构造了深度为11的CNN网络,首先对准确定位的车牌进行字符分割,并对分割后的字符进行归一化处理,然后将分割后的单个字符输入到CNN模型,实现对字符的识别,最后输出字符识别结果。通过实验验证,所搭建的两个CNN网络能够有效提升车牌的检测和识别准确率。     

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。     

基于聚类分析的个性化美国车牌分割算法

针对美国车牌个性化严重,车牌上字符个数、字体、间距和背景等信息都不一致的情况,提出一种可处理复杂多变车牌的车牌分割算法.基于动态的字符分布信息计算车牌倾斜角度和垂直投影局部梯度,利用聚类方法去除非字符区域,并动态确定字符宽度,获得准确字符区域.基于局部梯度的循环分割得到准确的字符分割结果.为了验证该算法,基于1万多张美国车牌的数据集进行实验,结果表明：与已有算法相比,该算法对于具有字符个数不定、字符间距不一致、背景复杂等特征的个性化美国车牌的分割效果有较大提高,分割正确率提高了约5%.     

探究车牌识别中的超分辨率算法

通过对车牌原始图像进行水平位置和垂直位置定位算法优化,提高超分辨率识别效果,实现了支持向量机的车牌识别目的;通过平滑处理对图像进行分割优化,保证图像噪音点能够在不同的频域产生高频分量,保证能够在图像处理过程中建立平滑处理方程,使图像处于平滑的状态.按照边缘提取控制方法实现超分辨率优化,达到了分辨率算法设计提升车牌识别性能的效果.     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC＋＋6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

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。     

基于车牌识别及RFID技术的小区车辆管理系统设计

采用车牌识别及RFID射频卡互补的方式设计了小区车辆管理系统,该系统可对分布于小区大门监控点内的过往机动车辆实现自动车牌识别,并对所有过往车辆的图片进行自动记录存档。由于本系统采用的是目前国内最先进的高清晰抓拍识别技术,基于计算机视觉原理以及模式识别技术,故可对过往车辆的车牌号进行清晰、准确的识别和不间断监测。     

基于改进BP神经网络的车牌字符识别研究

分析BP网络学习算法的缺陷基础上,引入动量项和遗传算法对BP网络学习算法进行改进。提高了车牌字符识别的正确率。     

基于小波矩的车牌字符识别研究

牌照字符识别是车牌识别系统中关键的一步,而字符识别的关键在于有效特征的选取.小波矩是小波多尺度分析与矩相结合的新的视觉不变量,图像的小波矩特征能很好地反映图像的局部和全局特征,并且具有较强的抗干扰能力.但不同的小波矩离散化方法在性能上有很大的差异.在分析小波矩和矩快速算法的基础上,引入了一种新的小波矩离散化算法用于车牌字符识别系统,以车牌字符图像的小波矩作为特征量,结合改进的BP神经网络实现了车牌字符的识别,获得了很好的识别效果.     

汽车牌照图像的预处理研究

讨论了平滑和二值化方法，提出了一种改进的适合汽车牌照图像自身特点的去噪及二值化方法，该方法将平滑和二值化结合起来，对螺丝钉、大污点、牌照边框、字符分割不当等引起的噪声非常有效，为正确的特征抽取提供了保证。     

车牌图像自动识别系统预处理算法研究

车牌预处理是汽车牌照自动识别系统中的一个重要的环节,预处理的好坏直接影响到后面的识别结果.在开发一套实用的自动车牌识别项目的过程中,分析研究了车牌预处理的各个环节,对其中关键算法———倾斜校正算法、二值化算法、字符分割算法做了详细的研究.在大量试验的基础上,提出了一种基于区域滤波的预处理算法和一种改进的车牌倾斜校正算法,并用于工程实际中,取得了良好的效果.     

MMS技术及在便携式车牌识别系统中的应用

针对基于Intel PXA255处理器和WINCE操作系统的嵌入式手持车牌识别系统中设备与服务器之间的远程无线数据传输问题,提出了一种基于MMS技术的数据传输与同步方法,在该便携式车牌识别系统中实现了将本地车牌识别结果及车牌信息快速上传至车牌管理中心服务器存储和备份以及远程查询车辆信息等功能,取得了较好的应用效果,对同类系统设计与研究有一定的参考价值.     

基于收费数据的高速公路交通拥挤自动判别方法

针对高速公路交通拥挤日益严重的现象,通过对收费数据的深层挖掘和高效利用,提出了基于滚动时间序列的行程时间数据合成方法,以此为基础构建了交通拥挤指数,并基于交通拥挤指数的变化特征对拥挤持续时间进行了在线估计;结合收费站布局的时空特征,设计了基本路段和复合路段融合的高速公路交通拥挤自动判别方法．实证分析表明,该方法在判别率提高到96．52％,误判率降低到0．43％的同时,判别时间减少了74％,而且收费数据的获取成本为零．     

一种基于模糊聚类的车牌图像分割方法

车牌图像分割是车牌特征提取和识别的前提,其分割效果直接影响到车牌识别的准确率。针对运动中的车辆牌照受天气等环境的影响,导致车牌图像存在不确定性和模糊性的特点,提出一种基于C均值模糊聚类的车牌图像分割方法,避免图像分割时的阈值设定问题。利用采集的原始车牌图像,在MATLAB7.0环境下进行分割仿真实验,实验结果表明,算法可以有效地去除干扰信息,突出车牌区域的图像特征,为后续的车牌定位、字符分割和字符识别提供重要保证。     

不均匀光照下车牌图像二值化研究

不均匀光照下的图像二值化是数字图像处理中的一个难题,汽车牌照自动识别系统工作在复杂的光照环境下,经常会出现车牌光照不均的现象,给图像二值化带来困难.为此,提出一种解决办法,首先使用同态滤波去掉车牌图像的不均匀光照的影响,然后使用改进的Bernsen算法对车牌图像进行二值化.实验表明,使用该算法能有效地克服不均匀光照的影响,二值化效果良好,车牌识别率得到显著的提高.     

基于层次策略的新型快速车牌定位方法

介绍了一种新型的基于层次策略的局部区域检测技术,提取了所有满足候选检测条件的局部兴趣区域。在此基础上,进行梯度增强、冗余边缘去除和车牌分割等精确定位操作。实验结果表明:本文方法对于克服环境噪声具有很强的鲁棒性,实现了高精度的车牌实时定位。     

复杂背景下的车牌定位方法

首先用同态增晰方法,对包含车牌字符区域图像增强,压缩其他区域图像,然后用遗传算法搜索众多可能区域,并最终确定字符区域.实验证明该方法对复杂背景下的车牌图像定位具有简单、快速、抗噪声能力强的特点.