HALCON软件在车牌图像处理中的应用

作为智能交通的核心系统部分以及交通管理自动化的重要手段,车牌识别技术的任务是分析、处理汽车监控的实时图像,自动识别汽车牌号。该文基于HALCON软件研发平台,重点研究交通车辆车牌识别技术中的车牌图像的获取、灰度化、预处理、车牌字符分割等技术。     

基于LabVIEW Vision的车牌识别系统设计

文中设计了一种基于LabVIEW Vision的车牌识别系统。该系统根据车牌颜色在HSL色彩空间上的特征,采用色彩阈值分割、腐蚀等图像处理方法将车辆图像转化成二值图,并在二值图中进行边缘检测,再根据检测到的车牌与背景间的边缘线的信息组建方程组,求出车牌边缘特征点的坐标,以确定车牌在图像中的位置。然后,以车牌在图像中的位置是否在指定区域内作为是否进行车牌识别以及当前车辆图像是否保存为车牌识别输入图像的触发条件。如果条件不满足,则系统将重新采集车辆图像,否则会根据车牌位置抓捕车牌,并采用均匀性度量法等方法对抓捕到的车牌进行二次处理,并将其转化成车牌二值图,再由OCR函数对该图进行字符识别。经实验验证,该系统具有较高的识别精确度与稳定性。     

移动智能车辆稽查系统的设计与实现

移动智能车辆稽查系统以PXA270为核心,集成了高速视频采集、GPS定位、无线网络传输等硬件模块,并利用基于中间件思想的XWIN3.0嵌入式软件开发平台进行了系统软件设计。通过软硬件协同设计实现了实时视频图像采集、智能车牌识别、GPS定位以及无线网络传输等功能,满足交通稽查部门对欠费等违规车辆不停车稽查的要求。     

基于图像去雾功能的车牌识别算法研究

智能交通系统是将各项高新技术用在城市交通监管上,从而使车辆行驶更加安全。车牌识别是智能交通系统的重要组成部分之一,通过对采集到的车辆图像进行处理从而获得车辆有效信息—车牌。在雾霾天气下拍摄取像时,由于大气散射作用,使得成像设备接收到的光产生了变化,导致图像对比度低、失真等问题,无法准确提取车牌信息,这对智能交通和社会安全都产生了极大地影响。本项目目标是基于matlab软件设计一款能够在雾霾天,或者能见度不高的环境下进行车牌的识别的装置,该装置具有以下功能：能够读取图片,进行图像预处理并进行去雾及增强;最后将其转化为字符串的形式并提取出来。     

基于深度神经网络和迁移学习的高精度车辆识别系统研究

近年来,我国大力推进智慧城市和智慧交通建设,在车牌识别领域所要求的识别精度、场景适用性和反映灵敏性也越来越高。文章提出了一种基于深度神经网络算法的高精度车辆识别系统,利用开源图形化视觉处理库OpenCV和数据分析处理库NumPy对车牌进行图像预处理。基于预处理后的数据,利用深度神经网络学习框架TensorFlow进行学习训练,实现了对车牌的快速精准识别。系统首先对车牌所在位置进行定位,其次对锁定后的车牌图像进行切割,再次将车牌背景和文字通过像素点移位算法由彩色图像转换为灰度图像,最后实现字符的切割与识别,得到所要识别的车牌数据。实验结果表明,与传统识别系统相比,基于深度学习的识别系统准确率更高,识别速度更快。     

车牌图像分类识别技术研究

在现阶段的交通管理领域,普遍应用车牌识别系统是交通信息化的一个重要组成部分。为了提高车牌图像识别技术应用的效果,文章围绕车牌图像分类识别技术做出分析,在保证车牌图像识别精度基础上提高识别的效率。本文首先介绍车牌图像分类识别技术,了解该技术基本情况;其次介绍车牌图像采集技术、车牌图像特征值提取与分类器、车牌图像处理技术3种车牌图像分类识别的常见技术,了解不同技术在车牌图像分类识别中的应用要点;最后提出加大采集图像内容与质量控制力度、建立车牌识别样本数据库、明确车牌图像识别规范3点建议,明确今后车牌图像分类识别技术的发展方向,以期能够为今后车牌图像分类识别的发展夯实基础。     

基于ARM平台的车牌识别系统的设计与实现

针对车辆出入库管理中存在的问题,提出了基于ARM嵌入式平台的车牌识别系统的设计和实现方案,论述了从车辆图像抓取、图像预处理、车牌区域识别、文字分割、文字识别等过程中所涉及的理论和技术问题,提出了基于POSIX规范多进程技术进行系统整合的方案。     

基于高清车牌识别的交通诱导信息发布系统研究

随着CCD图像传感器、模式识别、图像处理等技术的不断发展,高清车牌识别具有抓拍率、识别率高,图像清晰直观的优点,作为城市交通诱导信息采集将会有助于提高信息的质量和诱导信息预测的准确性。本文基于高清车牌识别系统下的城市交通诱导系统建设问题进行了探讨。首先概述了传统检测器和高清车牌识别的特点,然后阐述如何通过高清车牌识别技术来实现交通诱导系统的系统结构、功能实现以及在实际中的具体应用。由此来展现基于高清车牌识别技术的交通诱导系统的实用性及可操作性。     

差分进化算法和神经网络的车牌自动识别模型

为了提高对车牌的自动识别和检测能力,针对传统的边缘轮廓检测方法在车辆距离过紧和车流量过大而产生相互遮挡时识别性能不好的问题,提出一种基于差分进化算法和神经网络的车牌自动识别方法。提取的车辆视频监测图像进行外接轮廓矩形网格分割,采用差分进化算法进行车牌测试样本图像的子块连续遍历,实现车牌图像的特征分割和信息点增强,采用神经网络算法进行车牌特征信息分类,实现车牌识别。测试结果表明,采用该方法进行车牌识别的准确性较好,识别模型的可靠度较高。     

基于Matlab的车辆牌照图像预处理的研究

车牌图像预处理及定位是车牌识别系统的一部分,是实现车辆牌号最终分割识别的前提。文中以实现车牌区域的定位为目的,运用Matlab图像处理工具箱对采集到的原始车牌图像进行彩色图像灰度化、二值化、边缘检测、数学形态学及滤波等预处理操作。实验表明,采用的预处理操作能够有效地定位出车牌位置,具有很好的鲁棒性。