复杂车辆图像中的车牌定位与字符分割方法

车牌定位和字符分割是车牌照自动识别系统中的关键步骤。提出了一个综合多种特征的车牌定位算法和一个基于模板匹配的字符分割算法,有效地解决了背景复杂的彩色图像中车牌定位和字符分割的问题。综合这些算法并结合字符识别核心,实现了一个完整的车牌照自动识别系统。该系统对不同背景、光照条件下采集到的车辆图像进行了大量实验,实验结果证明算法准确率高、鲁棒性好。     

基于边缘检测和形态学的车牌定位算法

针对车牌自动识别系统的车牌定位方法进行了研究分析,提出一种结合边缘检测和数学形态学的车牌定位算法。利用边缘检测和形态学分析得到车牌候选区域,对候选区域进行连通域分析,实现了对车牌区域的定位。实验结果表明,该方法降低了各种背景噪声对图像中目标区域判别的影响,降低了车牌定位时间,有效地实现了车牌定位。     

基于OpenCV的行驶车辆车牌定位实现

车牌定位是车牌自动识别系统中的一个关键问题。系统从两方面进行了设计。一是视频中移动车辆的定位,采用高斯背景建立模模块。二是静态图像中车牌提取系统,采用顶帽变换、能量滤波、寻找联通区域等多模块结合精确定位出车牌区域。该移动车牌定位算法在QT平台上采用OpenCV和C++编程,实现了综合利用车牌结构特征和纹理特征,提高了车牌定位可靠性。实验结果表明,该方法速度快、准确度高,可满足实时监控的需求。     

差分进化算法和神经网络的车牌自动识别模型

为了提高对车牌的自动识别和检测能力,针对传统的边缘轮廓检测方法在车辆距离过紧和车流量过大而产生相互遮挡时识别性能不好的问题,提出一种基于差分进化算法和神经网络的车牌自动识别方法。提取的车辆视频监测图像进行外接轮廓矩形网格分割,采用差分进化算法进行车牌测试样本图像的子块连续遍历,实现车牌图像的特征分割和信息点增强,采用神经网络算法进行车牌特征信息分类,实现车牌识别。测试结果表明,采用该方法进行车牌识别的准确性较好,识别模型的可靠度较高。     

基于GSM和图像处理技术的车辆牌照手机自动识别系统设计与实现

融合无线通信、图像处理和信息提取技术,开发了车辆牌照手机自动识别系统,重点研究实现了基于水平扫描与垂直投影的车牌定位方法,及基于垂直投影与先验知识的字符分割算法;采用GSM技术传输车辆牌照图像,实现了无人值守的车辆牌照手机自动识别系统.     

字符识别技术在智能交通处罚系统中的应用

论述了各种基于字符识别技术的车牌自动识别系统实现思路和特点,及其产品化现状和发展方向。通过对各种字符识别技术算法的比较,采用了基于AdaBoost算法强分类器与BP神经网络算法作为车牌识别算法的基础,以本项目的研究成果为例描述了一个基于DSP平台的嵌入式交通信息采集系统。     

复杂背景下的自适应车牌检测算法的研究

车牌识别技术在现代智能交通系统中有越来越重要的应用(如收费站、停车场的车辆检测系统).为了有效的检测一个车牌,寻找车牌的位置是最关键的一步,本文提出了一种基于边缘的复杂背景下车牌的检测算法.该方法综合利用图像对比度增强、边缘检测、形态学处理、连通域分析、矩形性质分析等多种方法,解决了复杂背景中车牌定位难的问题,能够准确定位杂乱背景中的车牌,对天气、光照变化、车牌在图像中的移动和旋转等具有良好的适应能力,该方法为后续的字符分割和字符区域定位信息、车牌的超分辨率重建带来了方便.     

MAZ—VIS车牌自动识别系统

车辆的自动识别是现实生活中的一个重要的问题,尤其在交通监控、入场控制、边境、海关以及停车库管理、收费公路等领域,这种技术的全球需求量很大。车辆识别中的一个明显方式是对车牌的识别,车牌犹如车辆的身份证。 MAZ-VIS是一种车牌自动识别系统,该系统自动识别的车牌先由摄像机录入,再经图像处理。一套完整的MAZ-VIS系统由智能识别软件和通用的硬部件组成。该系统备有连接栅栏装置、指挥中心数据库、自动出票机     

基于改进BP神经网络的车牌字符识别

在分析了BP网络学习算法的缺陷的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,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率.     

图像处理在车牌识别技术中的应用

该课题论述了在车牌识别中运用到的各种数字图像处理技术,经过图像摄取、车牌图像预处理、VLP检测、字符分割、OCR、车牌识别几个过程构成了车牌牌照自动识别系统。图像处理在车牌识别技术中的应用方便了人们的生活。     

基于近红外图像匹配分割的涂改车牌识别算法

针对目前错综复杂的涂改车牌违规现象,提出一种利用近红外成像技术实现涂改车牌识别的方法。首先,论述了涂改干扰车牌识别的基本原理和特征;然后,在其可行性分析的基础上,设计出基于图像匹配分割的识别算法。实验结果表明所提算法能够实现涂改车牌的准确识别,具有较高的实际意义和价值。     

基于数字形态学的车牌字符分割算法

随着科技的发展,车牌识别系统得到了很多应用。车牌识别系统包含三个部分;车牌定位、字符分割 和字符识别。车牌字符分割是车牌自动识别系统中的重要步骤。车牌字符分割中存在噪声干扰、边框影响、铆钉和 间隔符影响、车牌旋转、光照不均等问题。这些问题容易造成分割不准确,甚至分割错误。针对这些问题,提出一 种新的字符分割方法,采用基于数字形态学的连通区域法进行字符的分割,并结合现有方法提出一个完整的、行之 有效的字符分割方案,取得较好的实验效果。     

Precise and efficient Chinese license plate recognition in the real monitoring scene of intelligent transportation system

In this paper, the performance of you only look once ( YOLO) series detectors on Chinese license platerecognition (LPR) in the real intelligent transportation system (ITS) monitoring scene is investigated. Specially, aprecise and efficient automatic license plate recognition ( ALPR ) system based on the YOLOv4 detector isproposed. The proposed ALPR system contains three stages including vehicle detection, license plate detection(LPD) and LPR. In vehicle detection stage, YOLOv4 detector is directly applied. In LPD stage, YOLOv4-tinydetector is exploited. In the last stage, the YOLOv4-tiny detector with attention mechanism for LPR is proposed touse. In addition, a large Chinese license plate dataset containing 10 500 images collected from all 31 provinces inthe Chinese mainland is created. This Chinese license plate dataset is named Hefei University of Technology licenseplate version 1 (HFUT-LP v1). Particularly, HFUT-LP v1 dataset is collected in the real ITS monitoring scene. Inorder to compare the performance of different object detection algorithms for ALPR, a variety of object detectionalgorithms are used to make a comprehensive performance evaluation. Experimental results show that theproposedALPR system achieves very high accuracy and has very fast processing speed, which is suitable for real-time LPR.     

基于数学形态学和边缘特征的车牌定位算法

车牌图像定位是自动车牌识别系统的关键步骤.根据车牌特征,首先经过图像预处理,然后进行数学形态学操作,并设计了一种简便的车牌区域搜索算法进行粗定位,最后根据字符边缘特征进行精定位.实验表明该方法定位时间较短,定位效果较好.     

Saudi License Plate Recognition Algorithm Based on Support Vector Machine

-License plate recognition （LPR） is an image processing technology that is used to identify vehicles by their license plates. This paper presents a license plate recognition algorithm for Saudi car plates based on the support vector machine （SVM） algorithm. The new algorithm is efficient in recognizing the vehicles from the Arabic part of the plate. The performance of the system has been investigated and analyzed. The recognition accuracy of the algorithm is about 93.3%.     

车辆牌照检测关键算法研究

本文对车牌识别系统中的图像预处理和车牌定位等环节涉及到的关键技术、算法进行了分析、设计和改进,提出了一种简单高效的车牌检测算法.     

基于分块和滑动窗口的车牌定位方法

车牌定位是车牌识别系统的关键环节.提出了一种利用分块和滑动窗口快速定位车牌的新方法.首先,进行垂直边缘的检测;然后利用分块和滑动窗口的方法进行搜索,产生车牌候选区域;最后经过判别得到车牌区域,并对边界加以调整.实验结果证明这种算法具有定位准确、效率高、适应性强的特点.     

A super-resolution-based license plate recognition method for remote surveillance

With the continuous development of deep learning, neural networks have made great progress in license plate recognition (LPR). Nevertheless, there is still room to improve the performance of license plate recognition for low-resolution and relatively blurry images in remote surveillance scenarios. When it is difficult to enhance the recognition algorithm, we choose super-resolution (SR) to improve the quality of license plate images and thereby provide clearer input for the subsequent recognition stage. In this paper, we propose an automatic super-resolution license plate recognition (SRLPR) network which consists of four parts separately: license plate detection, character detection, single character super-resolution, and recognition. In the training stage, firstly, LP detection model needs to be trained alone and then its detection results will be used to successively train the three subsequent modules. During the test phase, for each input image, the network can get its LP number automatically. We also collect an applicable and challenging LPR dataset called SRLP, which is collected from real remote traffic surveillance. The experimental results demonstrate that our method achieves comprehensive quality of SR images and higher recognition accuracy compared with state-of-the-art methods. The SRLP dataset and the code for training and testing SRLPR network are available at https://pan.baidu.com/s/1vnhRa-c-dBj6jlfBZV5w4g.     

一种新的车牌图像字符分割与识别算法

提出了一种新的字符分割算法,该算法利用由中间向两端搜索的方法确定字符的上下边界,且利用一维循环清零法及先验知识垂直分割得到单个的字符。实验结果表明,该算法较好的解决了以上问题,适用于各种质量的车牌图像,分割的正确率较高。     

基于高斯混合模型的车辆字符识别算法

在基于统计方法的车牌字符识别算法中,为了更有效地描述车牌字符特征的类条件概率密度,提出了一种基于高斯混合模型(GMM)的识别方法.首先采用Gabor变换来提取车牌字符的特征参数,然后通过GMM来逼近字符特征的类条件概率密度分布,最后根据得到的类条件概率密度分布函数构造贝叶斯分类器.其中,GMM的参数估计采用EM算法.实验表明,这种方法具有良好的字符识别效果、较强的鲁棒性以及较大的应用价值.