基于改进的BP神经网络车牌识别的研究

近年来,城市智能交通系统发展的很快,车牌识别系统作为城市智能交通系统中信息采集的一种重要手段,也引起越来越多关注.本文对车牌识别的形态进行深入研究,应用了改进的BP神经网络算法.实验结果显示这个方法可以更高效的识别车牌并且建立一个良好的未来车牌识别技术的基础.     

车牌识别技术研究

车牌识别技术问题是近年来智能交通系统技术研究的热点问题,车牌识别技术主要包含三个部分:图像预处理、车牌定位及校正、车牌文字识别。本文介绍了复杂背景下车牌识别系统的实现方法。     

基于改进BP神经网络的车牌识别算法

车牌识别是智能交通系统的一项关键技术,可以有效实现车辆信息的获取.针对车牌图像的倾斜、模糊等干扰导致的识别错误,本文通过Radon变换算法实现车牌定位矫正,通过引入附加动量项以及自适应学习因子,改进BP神经网络,提高了字符的识别准确率.对102张拍摄距离较远或存在车牌倾斜等干扰的汽车图像进行车牌识别,识别准确率达到95%,表明本文算法具有较好的识别准确率与抗干扰性.     

图像识别技术在城市交通管理中的应用研究

笔者在研究中以交通管理为核心,分析智能交通系统中图像识别技术的运用,研究城市交通管理中的车牌识别技术和行人交通安全管理中的图像识别技术,促进智能交通系统的发展,并为相关研究人员提供一定的借鉴和帮助。     

智能监控交通系统中车牌识别技术研究

随着我国国民经济的高速发展,汽车数量大幅度的增加,国内高速公路、城市道路、停车场等设施越来越多.对交通控制、安全管理的要求也日益提高.在国内外,智能交通系统(rrs)已成为当前交通管理发展的主要方向.车牌照识别(LPR)系统的研究与开发,是现代化交通发展的热点问题,也是影响交通系统智能化、现代化的重要因素.本文对车牌字符识别和车牌字符分割等方法进行了分析研究.     

基于数字图像处理的车牌定位方法的研究

车牌识别是现代智能交通系统中的重要组成部分之一,其应用范围十分广泛。对车牌定位方法进行了初步研究,以模式识别、数字图像处理、计算机视觉技术为基础,使用M atlab软件对图像预处理、边缘检测等算法进行了必要的仿真实验,获取了车牌区域。对摄像机拍摄车辆的图像进行分析处理可以得到汽车的车牌号码,从而完成整个识别过程。     

基于DM642的纹理检测与Adaboost分类器相结合的车牌定位

智能交通系统（Intelligent Transportation System,简称ITS）是一种实时、准确、高效的综合交通运输管理系统,而车牌识别（License Plate Recognition LPR）技术是智能交通系统的关键技术之一.为了在嵌入式系统中实现车牌的实时检测,研究了基于TMS320DM642的车牌检测、定位与识别技术.本文提出一种基于纹理检测和Adaboost分类器相结合的车牌定位算法,针对该算法与DM642的结合进行了系统设计,并且基于EMCV与Opencv图像处理库进行了代码移植.该系统很好的避免了单独纹理检测的定位无方向性和单独Adaboost分类的定位不完整性的缺点,较好的提高了定位准确率,且定位后的车牌图像能够基于TCP协议发送到PC服务器,实现远程的车辆车牌的定位和监控.     

基于手持设备图像的车牌定位与车牌识别系统设计

自动车牌识别技术在智能交通系统中发挥着重要作用,针对智能手持设备拍照分辨率低、角度不定等问题,设计和优化了车牌识别中的步骤,包括:(1)基于形态学的车牌定位;(2)基于边缘检测的车牌倾斜校正;(3)基于人工神经网络的车牌字符分割与识别等步骤。对手机拍摄的车牌照片进行实验,所提出的算法利用神经网络匹配识别精度达到95.2%,平均运行时间为2.015 s,无论识别精度还是时间都能够达到应用需求。     

车辆牌照自动识别的前期技术研究

1.前言 车牌自动识别(LPR)技术是计算机视觉、图像处理技术与模式识别技术的融合,是智能交通系统(Intelligent Transportation Systems,简称ITS)中一项非常重要的技术.现有的车牌识别系统的识别率还不可能达到100%,因此研究的空间很大.大体说来,车牌识别前期的处理技术至关重要,这些前期技术包括:车牌的定位,车牌图像的二值化及字符分割.     

基于颜色特征的车牌定位

汽车牌照的自动定位是智能交通系统中的重要组成环节之一,是实现车牌识别（LPR）系统的一项关键技术。本文利用颜色特征对图像选取合适的二值化算法,并结合一种相对重要性滤波算法筛选车牌候选区域,最后根据牌照的特征对车牌进行准确定位。     

基于商空间理论的车牌定位

1引言 随着智能交通系统的全面实施,汽车车牌的自动识别技术变得越来越重要,而牌照定位又是车牌识别中的关键环节.由于受天气、背景、磨损等外界干扰因素的影响,造成得到的车牌图像模糊,牌照区域不明显,给牌照区域的提取带来了较大的困难,因此牌照定位一直是汽车牌照识别系统中的重点和难点.在使用广泛的基于灰度图像的识别中,常用的方法有基于牌照纹理特征对图像进行检测,使用遗传算法对图像进行优化搜索,使用Hough变换以检测直线来提取车牌边界区域等.这些方法都有各自的优点,但是在实际应用中也存在一些不足之处,因此仍然需要做进一步的改进.     

车牌识别系统中边缘检测及算法研究

车牌自动识别检测是智能交通系统的重要组成部分,具有十分广阔的应用前景。车牌图像预处理是在汽车牌照识别系统的一个重要环节,预处理性能对车牌识别检测具有重要作用。介绍了几种常用的边缘检测算子,不同敏感性不同,验证了不同类型的边缘提取算法,采用不同的边缘敏感算子进行检测。     

基于数学形态学的车牌定位识别系统设计

车牌字符识别问题是车牌识别系统的核心技术问题,是智能交通系统的关键组成部分,是目前该领域研究的热点问题之一。本文首先介绍了车牌识别系统的组成,分析了车牌识别技术的特点和难点,并重点探讨了基于基于数学形态学的车牌定位系统算法与设计。     

车牌识别中值滤波算法的Matlab应用

随着城市化的进展,机动车日益普及,一系列交通问题有待解决。于是提出了智能交通系统（Intelligent Transport Systan）这个概念,而车牌识别LPR（License Plate Recognition）是智能交通系统的一个重要组成部分。中值滤波是一种非线性滤波方式,本文研究的即是基于Matlab的车牌识别中值滤波算法的研究与实现。     

车牌字符特征提取及识别方法研究

在社会经济高速发展的时代,智能交通系统的应用越来越普及。其中,车牌识别已经成为研究的热点。本文提出了一种基于模板匹配的车牌字符识别方法,对车牌中汉字和数字字母的特征提取进行了研究,并根据提取的字符特征利用模板匹配的方法对车牌字符进行识别。实验结果表明,该方法对车牌字符具有良好的识别效果。     

基于神经网络的车牌识别技术的研究

汽车牌照识别技术研究与实现一直是现代化交通发展中倍受关注的问题,也是制约交通系统智能化、现代化的重要因素。本文深入研究了基于神经网络的识别技术,提出了一种基于多个神经网络的字符识别方法,实现了车牌字符识别。     

基于MATLAB的车牌识别系统的设计与研究

汽车牌照自动识别系统是智能交通系统的重要组成部分,主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别等五个核心部分,并提出了一套基于MATLAB的汽车牌照自动识别系统的方法。该方法具有很高的识别能力,能有效解决在有噪声和光照条件恶劣情况下车牌的定位、字符倾斜、字符分割提取等复杂问题,最后运用上述方法对汽车图像进行处理,表明MATLAB在车牌识别系统中的运用非常有效。     

基于混合特征的车牌定位算法

车牌定位技术是汽车牌照自动识别和智能交通系统的用车牌的颜色、纹理和结构几何等多维特征,实现车牌定位.该算法利用车牌的彩色信息进行彩色分割,实现车牌图像的二值化,而后提取边缘增强,在此基础上利用数学形态学方法去噪并去除车牌边框,并利用车牌纹理特征利用投影实现车牌的最终定位.该算法克服了单一特征信息不完备引起的车牌定位误差,实验表明该方法具有较好的车牌定位效果.     

基于图像处理的车牌识别研究

针对智能交通管理系统中的车牌识别问题,提出应用图像处理技术对汽车的牌照进行识别。车牌定位(LPL,License Plate Location)、车牌分割(LPS,License Plate Segmentation)、车牌识别(LPR,License Plate Recognition)是实现车牌识别系统的最主要的三个部分。先采用HSV模型和RGB模型识别与分割彩色图像,并初步定位车牌图像;再采用radon变换实现车牌的倾斜校正,用投影法对车牌进行定位和分割;最后通过语音读出识别到的车牌信息。通过MATLAB编程进行实验仿真,结果表明利用图像处理技术能够快速地识别出汽车牌照,是一种研究车牌识别的有效方法。     

一种新的基于灰度图像的车牌定位算法研究与实现

汽车牌照的自动定位是智能交通系统中的重要组成环节之一,是实现车牌识别（LPR）系统的一项关键技术。针对不同背景和光照条件下的车辆图像,提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中字符的灰度变化,以峰、谷规律分布确定车牌上下边界,对扫描行采用灰度跳变法确定车牌左右边界。测试结果表明,该方法是可行和有效的。