基于水平灰度特征和颜色特征的车牌定位方法

车牌识别(License Plate Recognition,LPR)是指通过识别车辆车牌信息来辨别车辆身份的技术,是实现智能交通系统(Intelligent Transportion System,ITS)的一个重要环节,也是计算机视觉图像处理技术与模式识别技术的一项技术融合,车牌识别技术的研究和开发具有巨大的经济价值和现实意义.LPR作为一个专用的计算机视觉系统,通过运用模式识别、人工智能等技术,对采集到的图像进行处理,可以实时准确地识别出车牌的汉字字符、字母和数字,最终得出计算机可直接运行的数据形式,使车辆的监控和管理得以现实.目前,车辆识别技术已经广泛应用于高速公路的检测、电子收费、停车管理和交通违规管理等领域.     

基于车牌识别技术的车辆出入管理系统研究

利用模式识别技术替代IC卡技术,使用车牌识别技术实现车辆的门禁和收费等管理功能,在居民小区、写字楼、停车场、高速公路的出入口安装摄像头,当车辆经过时,摄像头对车辆拍照,然后利用模式识别技术对车牌进行识别,从而实现对车辆身份的识别,进而实现车辆出入控制、停车场收费、路桥收费等功能。     

高效快速车牌定位算法研究

车牌定位是车牌识别(LPR)系统中的关键技术之一,通过对车牌区域的各种固有特征的研究和探讨,提出了一种高效快速的车牌字符定位算法,该算法基于二值边缘图像的频率变化特征,在整个车辆图像中搜索到车牌的精确位置,得到牌照图像,为车牌的进一步识别打下良好的基础.现场实验表明,该算法快速准确,对提高整个识别系统的正确率起到了关键的作用.     

基于深度学习的车检图像多目标检测与识别

为了实现快速和自动的车辆外观检测,提出一种基于深度学习的车检图像多目标检测与识别方法。首先,采用轻量级神经网络YOLOv3实现车检图像中车头、轮胎、车牌及三角形标志的检测与识别;其次,采用多任务级联卷积神经网络实现车牌4个关键点定位;再次,利用车牌4个关键点坐标,结合目标车牌图像高宽先验,通过透视变换对车牌进行校正;最后,设计卷积神经网络实现车牌底色分类,同时设计卷积循环神经网络,实现车牌字符识别。实验结果表明,在816×612的车检图像上,该方法中端到端的多目标检测与识别的平均精度达98.03%;为便于在车检场景下应用该模型,利用阿里巴巴推理引擎将模型部署到CPU端,使多目标检测与识别的平均速度达10帧/s,从而满足车检的应用需求。     

车牌识别处理中的关键技术及核心算法研究

结合几种开源技术(如Open CV,SQLite,XERCES),研究Codejock界面库,通过研究多种有关车牌(图像)识别的算法:图像处理算法以及模式匹配算法,希望这些关键技术以及核心算法能够对设计一个具有高识别率的车牌识别系统具有一定的指导意义和参考价值.     

基于特征统计的车牌非汉字字符识别方法

字符识别技术是模式识别领域非常活跃的一个分支,同时也是汽车车牌识别系统中的一项关键技术．该文结合汽车牌照自身的特点,以数字图像处理技术为依托,详细讨论了车牌字符识别技术的原理,并重点研究了车牌字符中非汉字字符的处理．     

复杂场景下车牌识别新方法

针对复杂场景下车牌识别问题,提出了一种新的车牌识别方法.该方法通过颜色空间划分预分割车牌目标,然后采用矩形特征匹配定位符合车牌形状的候选块,并对候选块进行几何校正和自适应分割,再将分割出来的每个字符进行归一化特征提取,最后通过字符的积分特征逐一对每个候选块进行识别,识别成功者即为真实的车牌.实验表明,该方法能适应大多数复杂的场景,不局限于图像的分辨率,以及拍摄的角度,保证了车牌识别的准确率.     

投影点坐标方差最小化车牌垂直倾斜校正

车牌识别中为便于字符分割与识别,需对倾斜车牌进行校正. 该文提出基于字符投影点坐标方差最小的车牌垂直倾斜校正方法. 首先对水平校正并划定字符区上下边界后的车牌图像进行字符粗分割,然后将字符点经剪切变换沿垂直方向投影. 根据投影点坐标方差最小导出两种剪切角闭合表达式,由此一步确定车牌垂直倾斜角并进行校正. 实验结果表明：与车牌垂直倾斜校正的旋转投影法和直线拟合法相比,该文提出的方法精确度高,运算时间少且鲁棒性好.     

基于Hausdorff距离的车牌字符识别方法研究

根据车牌区域的固有特征,提出了一种高效、快速、实用的车牌字符识别算法．该方法先对车牌中的单个字符进行归一化和细化,然后采用Hausdorff距离模板匹配方法识别．实验表明,该方法有效可行．     

基于数学形态学和综合颜色特征的车牌定位方法

车牌定位是车牌自动识别系统的关键步骤.算法首先对图像进行预处理,然后进行数学形态学操作,得到若干个候选区域,最后根据车牌颜色特征选取真正的车牌区域.实验表明该方法定位速度快,定位效果好.     

基于图像特征的车牌字符分割方法研究

根据车牌图像具有不同颜色和车牌字符中字母和数字具有连通性的特点,提出将灰度自适应二值化和基于神经网络的彩色图像二值化相结合.用这种方法对一系列定位后的各种车牌图像进行二值化,然后利用投影法和数学形态学对二值化后的车牌进行准确的字符分割.实验结果表明:该方法二值化效果好,字符分割准确率较高.     

手持式电子车牌自动识别系统的研究

随着我国汽车行业迅速发展,机动车的数量和规模大幅度增加,假牌、套牌现象屡见不鲜,车辆的稽查难度日益增加。本文主要论述运用RFID技术在车辆稽查及识别方面的研究,通过手持式RFID读卡器中嵌入的独立解码系统识别电子牌照反馈的密码,实现不联网的车辆信息自动识别和管理。     

车牌识别技术在高速公路收费系统中的应用

<正>我国高速公路发展迅速,形成了规模不等的联网收费系统。在系统运行中,面临着一些共同的问题,主要有费源流失严重,路网内路径多义性。解决这些问题最有效的方法是在高速公路路网内的所有收费站出入口车道以及多义性路径的互通立交等关键标志点上安装车牌自动识别设备,从而确定车辆是否具有作弊嫌疑及车辆行驶路径,达到防止费源流失、增强系统效率的功效。     

核最近特征分类器及人脸识别应用

将最近特征线(NFL)、特征面(NFP)和特征子空间(NFS)分类方法推广为基于核的NFL、NFP和NFS,其优点是可直接对高维的人脸图像样本进行识别,而无需先抽取人脸图像特征,使在训练样本数较多、特征抽取在计算上难以实现的情况下也能直接识别.其中对KNFS得出了两种计算方法,一是KNFP的直接推广,二是利用核主分量分析构造非线性特征子空间.基于ORL和YALE数据库的实验验证了此方法直接识别高维人脸图像的有效性.     

利用GSM短消息业务实现GPS车辆监控

GPS技术和GSM网络通信技术相结合传送车辆定位信息是目前车辆监控系统最为关注的一项技术，文中针对GSM网络的SMS(短消息)应用于120急救车辆监控系统的优点和缺点，以及如何结合移动车辆进行监控与定位进行了讨论．     

基于纹理特征和Hu不变矩的KELM滤光片缺陷识别研究

为提高滤光片缺陷识别的精度,提出一种基于纹理特征和Hu不变矩的核极限学习机(KELM)滤光片缺陷识别算法。通过提取能量、熵、对比度和局部均匀性以及7阶Hu不变矩特征组成联合特征向量,将联合特征作为KELM的输入,滤光片缺陷类别作为KELM的输出,建立KELM的滤光片缺陷识别模型。通过KELM和极限学习机(ELM)、支持向量机(SVM)、BP神经网络(BPNN)的对比发现,算法KELM具有更高的识别准确率,提高了滤光片缺陷识别的精度,同时为滤光片缺陷识别研究和应用提供了新的方法。     

基于OSPA距离和特征点采样的路标识别算法

提出了一种基于最优次模式(OSPA)距离的路标识别算法.算法引入Markov随机场建立噪声的待检图像,然后采用条件迭代算法(ICM)恢复图像,进一步提取路标边缘点.这些边缘点作为特征点;该特征点看作为待检特征点集,计算其和标准路标库图像之间的OSPA的距离,以此来识别待检路标.分析表明,该算法对于路标的形态识别具有明显的优势,最后分析了图像尺寸大小、特征点数量对OSPA距离的影响.     

基于区块链技术的道路路边停车管理系统

针对当前道路路边停车管理中存在的效率低下、交易不透明等缺点,提出了一个基于区块链技术的道路路边停车管理系统.根据边缘设备终端的车牌识别算法采集停车信息,将关键停车交易数据发送并存储至Web服务器的MySQL数据库缓存,之后由Fabric SDK中间件存储到Hyperledger Fabric区块链平台.该系统依靠区块链...     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

一种基于DPI和负载随机性的加密流量识别方法

随着加密技术的发展和私有协议的不断出现,加密流量的识别已经成为信息安全领域的重要研究方向.该文在现有加密流量识别技术研究基础上提出一种基于深度包检测技术(deep packet inspection, DPI)和负载随机性的加密流量识别方法,该方法主要分为三部分:首先用DPI技术对网络流量快速筛选识别;其次对DPI无法识别流量的有效负载计算信息熵值和蒙特卡罗仿真估计π值的误差;最后输入C4.5决策树分类器进行分类评估.所提方法不仅可克服了DPI无法完全识别协议交互阶段的加密数据和私有协议的缺陷,同时解决了用信息熵识别加密流量和非加密压缩流量误判的问题.实验表明,所提方法较现有的识别模型对加密流量的识别效果有较大提高,同时验证了所提方法的鲁棒性.