基于深度逆向强化学习的城市车辆路径链重构

随着城市交通监测系统的完善,大量车牌识别数据被存储下来,该类数据具有时间连续性强、空间范围广、样本类型多的优点,为研究城市交通提供了信息基础。但受制于成本和技术,信息采集过程中采集的车牌数据在时空上并不连续,导致车牌识别数据的应用受限。有鉴于此,文中提出一套路径链提取方案,对单次出行的完整路径链和缺失路径链加以区分,并提出了一种基于深度逆向强化学习的城市车辆出行路径链重构算法。该算法对完整路径链进行采样获得专家示例,利用深度逆向强化学习挖掘专家示例,以非线性回报函数的形式拟合出潜藏的路径选择特性,指导智能体自主补全缺失的路径链,实现车辆出行缺失路径链的重构。将该算法在杭州市萧山区的局部路网中进行实验验证,结果表明,所提出的重构算法具有良好的稳定性能,其平均准确度可达95%,且在缺失程度较大的情况下准确度仍能保持在92%以上,相比传统算法具有较大优势。文中还分析了专家示例的位置分布和数量对算法性能的影响,验证了所提出的重构算法的泛化能力。     

两种多义性路径精确识别技术的比较

随着路网规模的不断扩大,有些省份的高速公路出现了多义性路径问题,常见的精确识别路径的方法有车牌识别法和电子标签识别法,电子标签技术识别多义性路径是最近几年发展起来的,其识别率要高于车牌识别技术,但其价格相对较高.在多义性路径较少时可采用车牌识别技术,当路网规模比较复杂时可采用电子标签识别技术,随着ETC规模的不断扩大,电子标签识别技术将有其广阔的应用前景.     

多特征与BP神经网络车牌识别系统研究

汽车牌照识别技术是智能交通管理系统中的关键技术;基于数字图像处理理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了研究。为了提高系统车牌识别能力,提出了一种综合颜色特征和投影特征相结合的车牌定位方法。字符分割采用了投影法;字符特征选取了互补性强的粗网格特征、投影特征以及外围轮廓特征;最后采用BP神经网络进行车牌字符识别。对车牌字符的识别分为汉字、字母及字母数字三类进行。实验表明,多种图像处理技术与模式识别技术有机结合能有效地提高系统的识别能力;本系统所采用的方法取得了较好的识别效果。     

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。     

基于改进的投影方法的车牌图像字符分割

提出了一种用于车牌识别系统中的基于改进的投影方法的字符分割方法.该方法利用数学形态学与投影相结合的方法进行车牌字符分割,首先利用数学形态学突出车牌字符区域特征,然后利用水平投影除去上下边界,用垂直投影突出单个字符区域,再结合车牌固有特征等先验知识最终分割出字符.实验结果表明:该方法实现简单,分割质量好、效率高,便于下一步的字符识别.     

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Top-hat变换的车牌快速搜索与定位

汽车牌照识别是智能交通信息管理系统的核心,从复杂的图像中分割出车牌又是牌照识别的关键。由于图像拍摄过程中存在着随机性,给牌照提取增加了很大的难度。文章在研究国内外牌照分割技术的基础上,提出了基于Top-hat变换的牌照分割方法。实验证明该方法能够很好地实现牌照顶角的快速搜索和定位,将牌照从复杂的背景图像中分割出来。     

汽车牌照的提取方法

汽车牌照提取是汽车牌照自动识别的关键一步，本文中提出了两种提取方法，即利用扫描离差数据、有效谷峰点特征及先验知识来初步定位车牌区域；采用彩色分割及多级联合混合集成分类器的车牌提取技术，通过多层感知器网络对输入彩色图像进行彩色分割，将这两种方法联合使用对车牌定位准确率高、鲁棒性好，车牌定位的准确率达99.3%，具有很好的实用技术指标。     

一种快速精确的汽车牌照字符切分算法

针对汽车牌照具有字符间距、字符数、字体等统一的纹理特征，提出了一种快速精确的牌照字符切分方法，设计了一系列的特征函数和判决函数突出其纹理特点从而进行车牌字符的切分。对在不同气候条件和不同地点采集到的1000幅图片进行了实验，实验结果表明，该算法具有快速和鲁棒性的特征，字符切分准确度达到98.1%。     

XYZ空间与小波能量特征融合的车牌定位

针对复杂背景情况下的车牌定位问题,给出了一种融合了小波高频能量的方法。首先利用CIE-xy色品图进行颜色分割,找到符合车牌底色的候选区域。然后对候选区域进行数学形态学滤波,消除不必要的干扰。接着利用车牌特有的结构特征剔除明显不符合车牌特征的候选区域,提取符合条件的候选区域进行小波变换,由于车牌区域有着丰富的垂直方向纹理信息,因此比较候选区域的垂直高频能量,能量最高者即为初步选定的车牌区域。最后利用区域选择时的垂直方向小波变换系数对选择区域进行重构,并验证选择结果的正确性,如果为非车牌,则进行二次定位。该方法有效的解决了车身颜色与车牌底色相近时定位困难的问题。对各种条件下拍摄的225幅含有车牌的图像应用该算法,定位准确率达到98.2%。