基于数学形态学的车牌定位识别系统设计

车牌字符识别问题是车牌识别系统的核心技术问题,是智能交通系统的关键组成部分,是目前该领域研究的热点问题之一。本文首先介绍了车牌识别系统的组成,分析了车牌识别技术的特点和难点,并重点探讨了基于基于数学形态学的车牌定位系统算法与设计。     

汽车牌照识别技术的研究

该文首先综述了汽车牌照识别系统的构架,然后介绍了车牌定位、车牌字符识别的算法,最后对各种车牌识别技术作了一下比较,提出今后一些研究方向。     

一种改进的BP算法及其在车牌识别中的应用

在车牌识别系统中,如何提高字符识别的速度和准确率是很关键的问题。传统的BP算法可以实现非线性函数的映射,经过有监督式的学习规则可以达到比较好的识别效果。但是BP算法识别速度慢,而且容易陷入局部最优。本文借助增量PID算法的思想,提出了一种改进的BP神经网络算法,可以根据识别误差自动调整学习速率,而且不容易陷入局部最优。文章最后给出了仿真结果和程序实现。     

轨道交通闸机控制系统中智能识别系统的优化

针对现有轨道交通自动检票闸机智能识别系统的不足,设计了一种基于步态识别算法和人体识别算法相结合新的智能识别系统。该系统利用红外传感器取代图像摄像头采集通行信息,并采用知识-规则库的规则序列提高了识别速度和准确性。实验证明,识别算法的设计是有效的。     

基于SVM与ANN神经网络的车牌识别系统

由于车牌识别系统中车牌位置精确定位难和车牌中字符识别率低等问题。本文提出了一种基于SVM与ANN神经网络的车牌识别算法。通过Soble边缘检测算法与形态学算法相结合来确定大致的车牌轮廓,结合车牌的外接矩形的面积与长宽比来筛选出符合车牌特征的候选区域,再利用SVM分类器来判断检测到的区域中是否是车牌,来最终筛选出是车牌的区域。对于筛选出的车牌利用ANN神经网络进行车牌字符的识别。经验证,该车牌识别系统能够适用于比较复杂的环境,且识别速度快,准确率相对较高。     

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.     

基于Matlab的车牌识别系统研究

车牌识别系统在现代化交通道路体系中应用广泛，主要应用在高速公路的电子测速、交通路口的违章监控等场景，对于实现交通智能化管理、维护社会稳定具有重要的意义。设计了一种基于Matlab的车牌识别系统，以某小区车库车辆识别系统拍摄的车辆照片为基础，解决了字符分割中两个字符投影连接无法分割的问题和字符“1”与“I”投影宽度较小致尺寸调整异常的问题，该系统算法简单实用，可以快速、准确地对蓝色车牌进行识别。     

基于Simulink的车牌识别系统仿真平台

基于Matlab的Simulink设计的车牌识别系统的仿真实验平台,可以实现从一幅图像到识别出车牌字符的仿真过程.先建立车牌识别系统的原理模型,根据该原理模型应用Simulink实现系统仿真实验平台的图像采集模块、车牌定位模块、字符分割模块和字符识别模块.最后,将各个模块连接起来形成仿真实验平台.实验结果表明,该平台不仅能够满足车牌识别过程中各个模块的测试要求,也能满足车牌识别系统的测试要求,具有很好的性能.     

DSP在焊缝识别系统中的应用

一种基于DSP的视觉焊缝识别系统。采用ADSP21160实现了焊接图像焊缝识别算法,满足了信号实时处理的要求。     

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。     

基于模糊C均值聚类的一种说话人识别方法的改进

模式匹配在整个说话人识别系统中具有重要的作用,其采取的方法将直接影响系统的识别率.本文介绍了一种模糊矢量量化(FVQ)方法,通过对模糊C均值(FCM)聚类算法的分析,提出了基于减法聚类和改进的模糊C均值聚类算法相结合的说话人识别方法,实验表明该方法提高了识别率,是一种行之有效的说话人识别方法.     

一种新型的嵌入式语音识别机器人系统

本文探讨和研究了一种新型的基于嵌入式系统以及DSP的语音识别工业机器人系统。系统采用嵌入式 DSP的方案使机器人的性能、成本、可配置性和可扩展性达到一个更佳的平衡点,同时在语音识别方面采用了改进的MFCC方法进行语音特征提取以及采用基于K均值分段的HMM模型进行实时语音学习与识别使算法的实时性和可移植性提高。     

A high-speed, low-resource ASR back-end based on custom arithmetic

With the skyrocketing popularity of mobile devices, new processing methods tailored to a specific application have become necessary for low-resource systems. This work presents a high-speed, low-resource speech recognition system using custom arithmetic units, where all system variables are represented by integer indices and all arithmetic operations are replaced by hardware-based table lookups. To this end, several reordering and rescaling techniques, including two accumulation structures for Gaussian evaluation and a novel method for the normalization of Viterbi search scores, are proposed to ensure low entropy for all variables. Furthermore, a discriminatively inspired distortion measure is investigated for scalar quantization of forward probabilities to maximize the recognition rate. Finally, heuristic algorithms are explored to optimize system-wide resource allocation. Our best bit-width allocation scheme only requires 59 kB of ROMs to hold the lookup tables, and its recognition performance with various vocabulary sizes in both clean and noisy conditions is nearly as good as that of a system using a 32-bit floating-point unit. Simulations on various architectures show that, on most modern processor designs, we can expect a cycle-count speedup of at least three times over systems with floating-point units. Additionally, the memory bandwidth is reduced by over 70% and the offline storage for model parameters is reduced by 80%.     

基于融合能量代价函数的水声信号识别算法

提出了融合能量代价函数的概念及基于代价函数的小波包能量法,并将其应用于水声信号的识别。新算法以融合能量代价函数为标准,在整个小波库中构造最优小波包基,从小波包基上提取信号最有价值的特征值。由于从分类最佳的角度选择特征,所以与固定尺度小波包能量法相比,算法对分类特征模糊的信号有较好的识别效果。     

基于小波商图像的人脸光照补偿

复杂光照条件下的人脸识别是一个困难但需迫切解决的问题,为此提出了一种有效的光照补偿算法.该方法根据人脸光照线性变换子空间理论--商图像理论,构造了小波低维训练集,实现了对待识别图像的光照条件估计,并且通过加光和去光策略增强了光照补偿效果.与传统商图像理论相比,该方法利用小波分解,提高的算法执行效率,实验结果表明,该算法以较小的代价取得了较高的识别性能.     

支持向量机在肌电信号模式识别中的应用

为了提高肌电信号多运动模式识别的准确性和实时性,提出了一种基于支持向量机的动作模式分类算法.在给出支持向量机的原理及其多类问题的基本算法基础上,着重介绍了两种改进的支持向量机多类识别算法,即有向无环图算法和基于先聚类后分类的二叉树算法,并比较了它们的优缺点.实验结果表明,针对前臂肌电信号的多运动模式分类,先聚类后分类的二叉树算法具有较高的分类准确性,更少的计算量,更好的实时性.     

车牌图象定位方法的研究与应用

智能车牌识别系统由图象获取、图象定位、数据库管理等几部分组成,图象定位部分在整个系统中的地位非常重要。在分析常用的图象定位方法存在的问题后,提出了一种新的定位车牌的方法即二值化定位方法,具有定位准、实时性强和鲁棒性好等特点。     

基于LMBP算法的罐底腐蚀声发射信号模式识别

在建立储罐罐底腐蚀实验平台的基础上,研究了一种基于LM(Levenberg-Marquardt)BP算法的罐底腐蚀信号模式识别方法;选取上升时间、计数、能量、持续时间、幅度这5个声发射信号特征参数作为BP神经网络的输入构建区分腐蚀信号和其他两类声发射信号的模式识别系统;由传统的BP算法与LMBP算法的对比分析比较得到:LMBP算法解决了传统BP算法收敛速度慢,容易陷入局部极小点的问题;实验结果表明,LMBP算法应用于储罐罐底声发射腐蚀信号的模式识别,效果良好。     

基于组合分类器的自由手写体数字识别方法

自由手写体数字识别广泛应用于信息录入和文本识别中。基于组合分类器实现手写数字的识别，克服了单因子识别的局限性，识别中使用距离法和改进的BP神经网络方法，以多种特征向量作为分类器的输入，以举手法则确定识别输出。实验证明，该系统具有较高的识别率和极低的误识率，有令人鼓舞的应用价值。     

基于Gabor不确定度的嵌入式人脸识别系统

多尺度Gabor特征的维数和数据量过大,不适合在ARM板上直接实现完成。利用计算每个尺度Gabor特征不确定度并采用加权融合的方法,很好地解决了图像维数和数据量过大的难点。加权融合过程包括多尺度Gabor特征的提取、不确定度权值的计算和加权融合过程;同时使用了类Haar特征提取人脸、利用二维主成分分析(2DPCA)对人脸图像进行降维。基于EELiod 270嵌入式开发平台,使用ORL和Yale图像库对该方法进行了测试,并与其他人脸识别算法进行比较。结果显示,在保证识别率的同时,算法运算量大幅度下降,且实时识别效果良好。