基于双特征的前方车辆实时检测

提出一种在无先验知识的情况下,综合利用车辆阴影和对称性两种特征进行前方车辆检测的算法.该算法通过检测车底阴影特征生成车辆存在假设,首先,利用大津阈值分割方法(OTSU)得到车辆阴影特征,采用阴影区域融合方法解决阴影边缘的变形问题,得到可能包含车辆的区域;然后,利用车辆对称性特征对感兴趣区域进行验证,并对其中的车辆区域进行准确定位.通过对实际采集的道路图像序列进行测试,结果表明:该算法能够实时、有效地检测出前方车辆.     

一种基于车牌特征信息的车牌识别方法

提出一种基于车牌特征信息分析的车牌识别方法，它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈，将二值化、车牌定位和字符分割紧密结合，注重车牌与车辆背景图像分离特征，以连通域分析为字符分割特点，结合局部二值化算法，提高正确率。实际应用结果表明，本方法具有很强的环境适应性和鲁棒性。     

基于HSV色彩空间的云模型车辆阴影检测

介绍和分析了云模型、运动目标初定位和HSV色彩空间等相关内容.提出了基于HSV色彩空间的云模型车辆阴影检测方法.在HSV空间下,于不同光照下在具有代表性的阴影区域采样,用正态云逆向发生器建立云模型,利用云模型进行阴影检测.和其他方法相比,实验结果证明了本文方法的有效性.     

基于车牌自动识别技术的车辆违章系统研究

基于车牌自动识别技术的车辆违章系统是利用每一个汽车都有唯一的车牌号码,通过摄像机所拍摄的车辆图像进行车牌号码的识别。在不影响汽车运行状态的情况下,计算机自动完成车牌的识别,可降低交通管理工作的复杂度。     

基于神经网络的车牌汉字识别方法

为提高车牌汉字识别率,提出一种基于BP神经网络的车牌汉字识别方法。首先使用图像与处理技术对车牌汉字进行处理,包括自适应二值化、规范化、细化等;其次采用改进训练过程和参数的BP神经网络对汉字进行识别。实验结果表明,较其它算法,该算法运算速度快、自学习能力强、识别率和效率高。     

基于HSV空间的车牌定位方法

车牌区域的颜色特征是车牌的重要信息.针对车牌区域颜色的伴生与互补特性,提出了一套在HSV空间利用颜色特征进行定位的算法.该算法利用车牌区域固定的颜色特征,快速定位到与车牌颜色有关的区域,然后利用车牌区域伴生与互补特性快速去除具有与车牌区域相同颜色的其他非车牌区域.最后使用投影积分进行车牌的精确定位.通过对200幅从交通卡口获取的真实的彩色图像进行试验,准确定位率为98%.     

复杂道路环境中前方车辆检测方法研究

为提高前方车辆检测在不同道路环境中的鲁棒性和实时性,提出一种基于支持向量机的多传感器融合前方车辆检测方法。系统工作前利用多传感器数据融合建立雷达坐标与图像坐标的转化关系,以毫米波雷达在各种复杂道路环境中前方障碍物的检测数据为基础,利用支持向量机(SVM)训练分类器构建车辆与非车辆识别系统,最终根据车辆宽高比的统计规律建立前方车辆识别窗口。道路试验结果表明该方法前方车辆识别准确率为90.7%,单帧图像的处理速度为35ms,对于不同道路环境中的前方车辆检测表现出了良好的稳定性和准确性,总体性能取得较为显著的提高。     

校园车牌识别系统

本文详细介绍了车牌识别中的车牌定位、字符分割及字符识别的具体方法及实验结果;并对校园车辆的管理进行了研究和设计,此系统能够对校园车辆实现正常的信息管理。     

基于神经网络的车牌识别系统设计

车牌识别技术(Vehicle License Plate Recognition,VLPR)是指能够检测到受监控路面的车辆并自动提取车辆牌照信息进行处理的技术,本文对基于神经网络的株洲市车牌识别系统进行了分析,采用先进的BP神经网络技术和计算机数字图像处理技术,实现了一种高效和高准确率的车牌自动识别系统,大大提高了车辆管理的智能性。     

基于改进CenterNet的车辆识别方法

为解决车辆识别系统中类型识别率低的问题,提出了一种基于改进CenterNet的车辆识别方法.首先,该方法采用ResNet18作为基础网络,以减少网络参数;然后,针对CenterNet车辆目标识别存在定位效果不理想的问题,采用带间距的交并比损失取代CenterNet损失函数中的偏置损失和宽高损失,同时采用单尺度自适应空间...     

基于纹理特征与颜色对信息的车牌定位方法

介绍了利用纹理特征和颜色对信息建立了对车牌进行定位的算法,阐述了其算法流程,并探讨了该方法的优势与不足之处。     

基于边缘检测和多特征扫描的车牌快速定位方法

针对复杂背景下车牌图像定位不准,定位时间长等问题,提出了一种快速实用的车牌定位方法．在对图像边缘检测的基础上,实施图像二值化,并利用车牌的位置尺寸信息和纹理信息缩小搜索范围,实现车牌快速准确的定位．试验结果表明,对不同背景、不同车型的汽车图像,该方法具有较好的定位速度和精度．     

基于HSI空间和边缘检测的一种高性能的车牌定位方法

首先把图像的RGB空间转换成HSI空间,根据车牌区域在HSI空间的特征并结合模糊集合理论可分别得到H特征图、S特征图和I特征图.如果根据这三幅特征图定位车牌失败,则根据车牌的彩色边缘得到边缘特征图.如果边缘特征图也无法定位车牌,则把HSI特征图和边缘特征图结合起来再对车牌重新定位.进行的实验中共有200辆车辆图像,只有9辆定位失败,准确率达到95%.     

基于HSV颜色空间的候选车牌区域筛选算法

提出了在HSV颜色空间中,利用车牌区域的颜色特征,筛选车牌区域的新算法.该算法根据车牌4种不同底色对应的3个分量,分别统计出底色平均密度的阈值范围,并利用该范围,对候选区域进行筛选,以确定车牌区域.在筛选车牌区域时,重点讨论了车身颜色与车牌底色相近或相同、候选车牌区域的纹理和边缘特征及宽高比都接近的情况.实验结果表明,该算法能较好地对车牌进行准确定位.     

基于边缘检测及灰度跳变的车牌定位算法研究

为了能在复杂背景及不同光照条件下准确地定位出车牌,提出了一种基于边缘检测和灰度跳变的车牌定位算法．该算法首先对获取的图像进行灰度化、图像二值化等预处理操作,提高图像质量,突出车牌信息,接着对车牌图像进行边缘检测,在此基础上采用水平方向和垂直方向上的灰度跳变统计来确定车牌区域的上下边界和左右边界,从而实现车牌定位。实验结果表明,该方法可以比较准确、快速地实现车牌区域的定位．     

二次定位车牌分割及识别方法

智慧城市建设中,需对重点街道和路口采集到的交通视频文件进行智能分析.为此,提出一种二次定位车牌分割、识别方法.首先,利用垂直投影区域特征并结合Hough变换得到车牌的粗略定位分割结果;然后,基于该车牌图像的粗略定位分割结果,采用支持向量机的方法,进行车牌的精细定位分割并对车牌号码进行自动提取、识别.通过对多源车流量视频实验数据中的1680帧车牌图像进行自动车牌提取分析,在5°和10°两个倾斜角度,二次定位车牌识别方法的准确率分别达到96.7%和96.2%,优于相关算法.     

基于阈值分割和区域生长的车牌识别方法

【目的】改善车牌定位的质量,提高车牌识别的正确率和效率。【方法】联合使用阈值分割和区域生长算法进行车牌定位,使用垂直投影法进行字符分割,并使用字符模板匹配方法实现车牌字符的识别。【结果】基于阈值分割与区域生长的车牌识别方法能准确地识别出车牌号,识别率高,运行速度快。【结论】该方法实时性较好,具有一定的实用价值。     

基于线圈与车辆号牌识别技术的治安卡口系统

随着我国经济的发展,车辆保有量及交通出行猛增,对违章逃逸、机动车盗抢及以机动车为工具流窜作案的快速侦破查处,成了我国公安交通管理部门的一大难题．全面实行对城市主要出入口、关键道路及交叉口的连续监控,对所有通过该卡口的机动车辆进行拍摄、记录与处理,是解决这一难题打击犯罪行之有效的方法．传统的使用线圈触发和视频抓拍存储的治安卡口无法有效而快速的追查目标车辆,采用线圈与车辆号牌识别技术,建设新型智能治安卡口系统可以做到对车辆号牌的自动抓拍识别、快速处理、报警,可为及时快速侦破这类案件提供强有力的技术手段．