基于小波和动态时间弯曲的时间序列相似匹配

提出了一种基于小波和动态时间弯曲(DTW)距离的时间序列索引和相似匹配方法. 该方法采用小波变换进行数据降维,利用R·-tree建立多维索引结构. 给出了查询序列的DTW距离边界和其在小波空间的查询超矩形的计算方法,从而将原始空间的基于DTW距离的相似匹配转换为小波空间基于欧氏距离的相似匹配. 证明了此匹配方法不会产生漏报,给出了基于DTW距离的范围查询算法和近邻查询算法. 实验结果表明该方法具有较高匹配精度和其较低的计算代价.     

基于神经网络与粗糙集的车牌字符识别方法

车辆牌照的自动识别是目标自动识别的一种重要形式,针对车牌识别的后期技术,即牌照识别技术做了研究并提出了一种基于神经网络与粗糙集的车牌字符识别方法,实验结果表明,和标准神经网络相比,该算法具有更加良好的性能,满足实时识别车牌的要求。     

基于大规模流式车牌识别数据的即时伴随车辆发现

提出了一种基于流式大规模车牌识别数据集的伴随车辆(伴随车辆是指在一段持续的时间内一起移动的车辆组群)即时发现方法,可实现即时发现疑似伴随车辆并将其按伴随概率排序.该方法充分利用了云基础设施的并行计算能力,基于整数划分思想建立并行发现的负载均衡模型,优化了伴随车辆的发现性能,可用于对时间敏感的交通应用场景,如发现并监控运钞车等特殊车辆的跟踪车辆等.实验证明,该方法能够有效处理大规模的流式车牌识别数据,并实时地输出发现结果.     

基于Directshow的视频抓图在车牌识别系统中的应用

介绍了Directshow的基本原理和运动目标的检测方法,然后针对车牌识别中背景的不固定性提出了如何利用背景重建和背景差分法检测视频流中的运动车辆的方法.最后给出了基于Directshow的视频抓图在车牌识别系统中的具体实现方案和代码,为下一步进行车牌识别奠定了基础.     

基于深度学习的非约束场景多车牌识别方法研究

为解决非约束场景下的车牌识别精度问题,提出一种能够适应非约束场景并识别不同类型单车牌以及多车牌的自动车牌识别模型。该模型应用数据迁移技术,通过YOLOv5检测车辆并通过后处理筛选有效车辆目标,经检测并矫正后,通过ResNet18以及双向长短期记忆网络BLSTM网络结合连接时序分类损失CTC识别车牌字符。在模型训练过程中使用数据增强技术进一步提高了模型性能。该模型在CCPD以及AOLP的多个子数据集上进行了测试,展现出了优于其它方法识别精度和识别速度。     

基于深度学习的车牌识别技术研究

近年,随着家用车辆的不断增多,交通管制已成为当前国家亟待解决的一个重要问题.考虑到传统车牌识别系统识别率低的缺陷,本文针对车牌图像识别方面提出了一种基于深度学习卷积神经网络的车牌识别技术.实验表明,通过该方案进行的车牌识别在识别率和实用方面都具有较高的价值.     

基于改进的BP神经网络在车牌识别中的应用研究

考虑到现有的车牌识别系统存在的问题,针对图像预处理、字符切割与归一化技术进行了有效的改进,此外针对字符识别给出了一种基于改进的BP神经网络的识别方案。通过改进目标函数、利用贝叶斯统计方法来自动决定正则化参数及加入改进动量项方法实现车牌字符算法的优化设计,车牌识别的准确率达到96%。实验表明,通过该方法进行车牌识别具有较高的识别率及实用价值。     

交通弱势出行者轨迹预测及安全管控策略

针对骑车人在交通事故中易受伤害的问题,提出一种基于骑车人意图识别的轨迹预测方法.首先,从骑车人角度及车辆角度提取骑车人的多元特征,如运动方向、回头概率、与车辆相对位置等,在十字路口场景下构建动态贝叶斯模型网络,分析了骑车人意图的影响因素,最终得到骑车人意图后验概率.其次,根据意图识别结果,构建了相关交通场景并给出了骑车人运动方程,通过基于粒子滤波方法的骑车人轨迹预测算法,结合运动方程及观测方程,以粒子模拟骑车人未来轨迹集.最后,搭建激光雷达和单目相机为主的数据采集硬件平台,获取与骑车人运动及姿态有关的信息,根据收集的7 358帧数据,计算出骑车人进入十字路口区域的时长,用以对算法进行评价.结果表明：本算法在骑车人过街前0.24～0.54 s可基本识别骑车人的意图,能够预测骑车人未来5.0 s内的轨迹集;算法具有较好的实用性,可以降低骑车人与车辆碰撞事故的发生概率.     

基于RFID技术的电子车牌系统的设计与实现

电子车牌制卡子系统是"青岛海关海运物流监控平台"的一个子系统。所谓电子车牌,就是基于射频识别技术(Radio Frequency Identification,以下简称RFID)开发的一种车辆身份自动识别卡,它可以与设置在闸口通道的读卡设备进行双向通信,以达到目标识别和数据交换的目的。电子车牌制卡子系统能够对安装电子车牌的集装箱车进行自动检测,身份识别,通行控制以及信息管理等相关功能。     

基于置信度分析和特征融合的车牌识别研究

利用车牌识别技术来管理车辆已成为现实,针对车牌识别时间长等提出了一种基于置信度分析的加速算法;同时为提高车牌识别精度,对BP网络进行了优化及改进;通过实际试验,识别率在90%以上,基本达到理想效果.     

基于Relief算法的智能车辆牌照模糊识别方法

由于当前已有方法未能对车牌照进行降维处理,导致车牌照识别结果不准确,为此,提出一种基于Relief算法的智能车辆牌照模糊识别方法。采用Relief算法计算不同车牌图像特征的权重系数,对特征集进行降维处理。通过序列视频图像对智能车牌进行增强处理,利用全卷积网络对车牌照显著区域进行检测,粗略提取图像中的显著区域,使用滑动窗方法对候选区域车牌进行精准检测,定位车牌准确位置,加入字符的上下文信息,对字符进行精确检测和识别,最终实现智能车辆牌照模糊识别。仿真实验结果表明,所提方法可获取高精度的车牌照识别结果。     

基于车牌检测的前方车辆识别方法

为解决前方车辆识别过程中的实时性问题,提出了一种基于车牌检测的前方车辆识别方法。首先,利用图像中的路面或车道线等细节提取感兴趣区域。其次,利用HSV( Hue-Saturation-Value) 色彩空间转换与矩形图像检测从感兴趣区域中过滤光照变化,阴影和杂乱背景,从而检测出车辆的车牌信息。同时,在初次检测失败的情况下进行二次定位和验证。最后,利用检测出的车牌信息识别前方车辆。该方法在自建与公共数据库视频上进行评估。实验结果表明,识别率超过90% ,并且具有较高的实时性,证明了该方法的有效性。     

基于字符笔画斜率特征的车牌识别算法研究

车牌字符识别是车牌智能识别系统中的关键技术之一,为了提高车牌字符识别准确率和实时性,提出了一种基于车牌字符笔画斜率特征的字符识别算法,新算法在对准确分割后的车牌字符图像进行归一化、二值化和细化等预处理后,提取车牌字符笔画像素点的斜率值,再将斜率值构造成识别向量,进而通过计算特征向量的夹角值实现待识别字符与标准模板字符的相似度判断;实验结果表明,新的算法与已有的传统字符识别算法相比,既提高了识别准确率,又降低了识别耗时,结果满足实际工程应用需要.     

用于卡口系统的车牌遮挡检测方法

驾驶员通过遮挡车牌的方式使得卡口系统无法自动识别其车牌,以达到掩盖车辆身份的目的.针对此问题,本文提出一种车牌遮挡违法检测方法,可对遮挡车牌的行为进行报警,也可用于公安视侦中的嫌疑车辆排查.本方法基于车牌识别技术,对于能够定位到且能正常分割字符的遮挡车牌,使用特定特征对字符进行识别,然后对识别到的多个字符的置信度进行曲线分析,将明显处于波谷的置信度对应字符判断为遮挡字符,判断该车牌轻微遮挡;对于不能够定位到或不能正常分割字符遮挡车牌,则结合车辆检测技术,将其判断该车牌严重遮挡.实验结果表明:本方法能检测到大多数遮挡或者无车牌的车辆.     

基于车牌识别技术的双车道一体化智能道闸系统设计

对基于车牌识别技术的双车道一体化智能道闸管理系统的软硬件进行了设计.系统采用地感线圈检测车辆并对监控相机进行触发,使获取到的车辆图像清晰、牌照位置突出;然后通过对车辆图像的预处理、牌照定位和提取、校正、车牌字符分割、归一化处理,实现汉字、字母和数字字符的识别;最后将识别结果和数据库中的预存信息进行比对并根据比对结果输出反馈控制信号,实现道闸的全自动智能控制.系统采用单主机双车道同步监控,同时具备车型预识别功能,并根据车型识别的结果进行车辆图像的分类存储和查询,进一步提高了系统的实用性,具有很重要的现实意义.     

基于交叉覆盖神经网络的车牌识别研究

汽车牌照的自动识别在智能交通系统中占有重要地位,应用前景广阔。本文基于交叉覆盖学习算法和附加样本技术,给出了一种车牌字符识别的方法,实验结果表明该方法能有效识别各种车牌中的字符,识别率高,具有较强的实用价值。     

基于WEB的车牌识别与管理系统设计与实现

为了利用图像处理技术和互联网技术及数据库技术来识别和管理车牌号码,以便最终获得车辆和车主的身份信息,本文设计和实现了一个基于WEB的车牌识别与管理系统,以实现对各类车牌和车主信息的智能化管理和应用。利用基于WEB的车牌识别与管理系统,用户可以实时和方便地识别和获取车牌数据库中车辆和车主的信息。本系统具有很强的实用性和扩展性。     

基于机器视觉的车辆时空参数识别

车辆荷载信息是分析桥梁受力和性能评估的重要依据,其中车辆时空信息是准确识别车辆荷载的关键参数。考虑到传统在桥面埋设传感器的方法影响交通、破坏路面,提出了一种基于机器视觉技术的车辆荷载时空参数识别方法,包括车辆的横向定位、车速、车轴数、轴距的识别。基于正面拍摄视频,采用背景差分法来实现车辆检测,进一步通过车牌识别确定车辆在图像中的位置,然后根据车牌与车道线距离来实现车辆横向定位。基于侧面拍摄视频,采用图像标定方法,结合已知长度的辅助检测线来获取车辆的轴距、轴数、车速等车辆参数。通过试验室模型试验和现场试验验证了提出的方法。结果表明,现场试验中车辆横向定位和车速的最大误差分别为2.42%和2.67%,轴距的平均误差为1.63%,识别结果可以为更多其他车辆参数如轴重和总重的识别提供重要的技术支撑。     

基于梯度提升决策树的城市车辆路径链重构

为了提取城市路网中车辆实际的行驶轨迹,支撑交通规划、设计、管理和评价等需求,提出了基于梯度提升决策树的城市车辆丢失路径链的重构方法。首先,根据车牌号码匹配目标车辆,以时间排序提取视频检测器获得的路径链,并结合交叉口邻接矩阵及路段行程时间估计进行路径链初次分离;然后,依据车辆出行特征和交通状况提取影响路径选择的关键特征,并基于此提出了基于梯度提升决策树的局部丢失路径链重构算法;最后,以某市南明区实际视频车牌识别数据为例,根据重构算法准确性和计算效率验证了文中算法与传统算法。结果表明,本文算法的重构准确率达到91%,对比传统算法,梯度提升决策树算法在车辆路径链重构方面有较大优势。     

基于Matlab的车辆牌照识别系统

介绍了一种基于Matlab的车辆牌照识别系统,采用基于灰度跳变的定位方法,先对图像进行预处理,再用CAN-NY算子做边缘检测、开闭运算子和车牌长宽比特征识别以实现车牌的定位,最后用二次水平投影分析和阈值技术有效检测了车牌图像的上下左右边框、旋转角度,从而准确实现车牌字符的分割.