基于改进LeNet-5的车牌识别算法

传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。     

一种基于投影法和形态学梯度的车牌定位算法

车辆牌照自动识别系统的研究与开发是现代交通控制管理系统中备受关注的问题,而车牌定位又是车牌识别的关键.在分析和研究目前有代表性的车牌定位算法的基础上,提出了一种基于投影法和形态学梯度的车牌定位算法,49个原始图像的实验结果表明,正确分割率由传统方法的91.84%提高到97.96%.     

基于边缘检测与垂直投影相结合的车牌定位方法

车牌定位是车牌智能自动识别的关键步骤,而在整个车牌定位过程中,边缘检测是其中的一项重要环节和关键技术.文中在分析了目前常用的边缘检测方法的一些特点及不足,提出了一种基于边缘检测与垂直投影相结合的车牌定位方法.实验结果表明,该方法定位准确度较单一边缘检测定位法要高,能较大程度地提高车牌定位率.     

车牌识别系统中的车牌定位算法研究

汽车牌照识别技术（LPR）是智能交通系统（ITS）的重要组成部分,该系统能从一幅图像中自动提取车牌图像,实时准确地自动识别出车牌的数字、字母及汉字字符,使得车辆的电脑化监控和管理成为现实,而在LPR中首先必须实现的就是车牌定位。本文主要利用边缘检测算法和旋转投影法来进行车牌定位。利用边缘检测算法寻找车牌边缘,利用旋转投影法寻找车牌倾斜角度,进行精确定位。     

一种基于BP神经网络的车牌字符识别方法

就机动车牌照的字符识别与处理进行了详细的讨论,重点讨论了BP神经网络方法在机动车牌照字符识别中的应用,用Visual C++完成了对机动车牌照字符识别的模拟,最后给出实验结果。     

探讨无人值守自动发卡系统在高速公路中的应用

随着高速公路实现全省联网和联网收费里程的不断延伸,经济也不断的发展,车辆也不断的增加;在这种情况下,如何利用先进的技术解决高速公路大量车流出入口堵塞的问题,提高高速公路的通行效率和向更高的管理目标发展。尤其是收费系统运转成本成为大家关注的焦点。“合理成本．最佳效益”是许多管理部门不懈努力的工作目标。     

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．     

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BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重.基于VC++ 6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别.车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤.利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效.     

新一代车载电子警察系统的设计

系统主要由雷达测速、视频抓拍、云台与镜头控制和数据管理等组成,采用串口通信、视频压缩、车牌自动识别、神经网络训练等多项技术,实现了对车辆超速、压单双黄线行驶、违法停车、违法调头、逆向行驶、强行超车等多种违法行为进行实时的监测、抓拍、记录和处罚,为交通违法行为取证带来了很大的方便。测试结果表明系统稳定可靠、识别率高、实时性强,综合效率较高。