汽车牌照自动识别系统

汽车牌照自动识别系统在智能交通系统（ITS）中占据重要地位，有着广阔的发展前景，本文介绍了汽车牌照识别系统，该系统包括了牌照的抓拍、牌照定位，识别等内容，最后给出了现场实验结果。     

基于SOPC的汽车车牌识别系统设计

介绍一种基于SOPC的车牌识别系统的设计方案,利用SOPC Builder创建和配置Nios II软核处理器及其外围设备,实现对图像传感器输出数据的采集、存储和显示;在Nios IDE软件开发平台上设计本系统图像处理的程序流程,通过对车牌图像进行定位、字符分割、字符识别等操作,完成对车牌号的处理。这种基于SOPC技术的车牌识别系统降低系统软硬件设计的难度,缩短开发周期,并提高设计的可靠性,具有较高的实用价值和应用前景。     

高性能的车牌识别系统

描述了一个车辆牌照识别系统.该系统首先利用车辆位置传感器和图像采集卡来自动获取车辆图像并传输至计算机,然后识别车牌字符.结合网络技术,特定车牌信息和车辆图像可以很方便地从远端检索到.文中介绍了该系统的结构及工作流程,以及两种字符的识别方法:基于PCA-LSM的有限中文字符识别方法和基于结构特征分析的字母及数字字符识别方法.在实际应用环境下,该系统的日间整体识别率超过97%,夜间整体识别率超过95%.     

车牌识别系统中图像的采集和定位问题研究

针对汽车牌照识别系统中图像的采集和定位问题,设计了一种行驶车辆图像获取的自适应控制系统,很好地解决了车牌识别系统的全天候问题;并且利用纹理分析和灰度图像垂直投影相结合的方法,成功地解决了传统车牌图像定位手段很难解决的几个难题,在此过程中还涉及了车牌图像的几种预处理手段:车牌图像的灰度校正、增强和锐化;最后的定位结果验证了该定位算法的有效性和精确性.     

基于智能手持设备的车牌识别系统研究

以交警能更加快捷方便地稽查运营车辆为目的,借助最新的移动互联网技术,分析并研究了多种计算机视觉算法;提出了一种基于K均值聚类(K-means)的车牌定位技术,通过颜色的聚类分析来确定车牌区域,定位车牌;又应用垂直投影技术和模板匹配法来分割和识别车牌字符,利用SQlite开发了具有存储车牌字符信息功能的数据库;在此基础上,研制了一套基于智能手持设备的车牌识别系统;功能测试表明,该系统具有良好的性能,能够较好地识别出车牌信息。     

基于LabVIEW图像法车牌智能识别系统

车辆牌照自动识别是实现交通管理智能化的重要环节,设计中利用图像采集卡对经过的车辆车牌进行图像采集并传送至计算机,采用美国NI公司LabVIEW软件,实现图像预处理、图像去噪以及图像增强等功能;然后根据车牌颜色特征对其准确定位,采用阈值法分割车牌字符;最后由OCR函数来识别字符,识别结果保存至相应数据中,可以进行相应的违章、违规智能交通管理,经实验该系统成功实现车牌识别识别率达99%。     

基于全卷积神经网络的船舶检测和船牌识别系统

船舶检测与识别对于港口智能监控,实现港口资源的有效管理具有重要意义。由于复杂的船舶轮廓、船牌位置不固定、船牌文本类型复杂多样和船牌文字个数不确定等因素,使得船舶的检测和识别非常具有挑战性。本文提出一种基于全卷积神经网络的船舶检测与识别方法：SDR-FCN。SDR-FCN利用本文提出的船舶检测算法SDNet进行船舶检测定位,然后利用本文提出的船牌文本检测算法PDNet进行船牌文字检测,最后利用具备在线自适应性的分类器OA-Classifier进行船牌分类识别。OA-Classifier综合了AIS（船舶自动识别系统）反馈的信息,提高了分类器的识别精度。实际SDR-FCN部署运行表明,它能够以较高的精度可靠地工作,满足实际应用。     

机动车牌照自动识别技术的研究

设计了一种机动车牌照自动识别的解决方案,对牌照定位模块和字符识别模块进行了详细介绍,针对车牌字符分割提出了相应的算法,取得了较为理想的处理结果。识别部分采用相关性来表征字符和模板的相似程度,从而降低了对模板的准确性要求,并提高识别率。     

基于SVM的车牌自动识别系统

为了解决识别率和识别速度同时提高的难点.将支持向量机(SVM)算法应用于车牌字符识别.通过与无字符特征提取的BP神经网络相比较,在小样本的情况下,该方法的识别率远优于神经网络,可很好地解决神经网络方法中收敛速度慢、易陷入局部极小的问题.实验结果表明:在训练样本较少且无字符特征提取的情况下,此系统具有较高的识别率和识别速度,并具有很好的分类推广能力.     

主动轮廓模型在车牌识别算法中的应用研究

提出了一种识别机动车辆牌照的算法.该算法首先利用车牌的纹理特征和区域形状特征检测车牌区域.为提高区域检测的正确性,利用新的改进的主动轮廓模型,利用先验知识确定精确的车牌边界.在精确确定车牌区域基础上,可以准确切割出车牌中的字符,从而提高识别率.     

基于车辆牌照图像的识别技术研究

文章讨论了车辆牌照图像识别整个过程的四个环节:预处理、车辆牌照定位、字符分割、字符识别。通过优化改进Canny算法有效地解决了图像质量不足,批量、自动识别车辆牌照的相关问题。     

车辆号牌识别系统在城市智能交通领域的应用

介绍车辆号牌识别系统的组成原理,以及在城市智能交通领域的应用.     

主动轮廓模型在车牌识别算法中的应用研究

提出了一种识别机动车辆牌照的算法。该算法首先利用车牌的纹理特征和区域形状特征检测车牌区域。为提高区域检测的正确性，利用新的改进的主动轮廓模型，利用先验知识确定精确的车牌边界。在精确确定车牌区域基础上，可以准确切割出车牌中的字符，从而提高识别率。     

基于FPGA车牌识别系统的设计与实现

本文对传统的以通用数字信号处理器(DSP)为核心的车牌识别系统进行了改进,介绍了一种新的基于FPGA车牌识别系统。该系统主要通过摄像头采集汽车车牌图像,经过FPGA核心处理器对图像进行处理,识别出车牌号,并通过LCD显示。经过调试运行,该系统实现了车牌识别的功能,可运用于工程实践。     

基于无线网络车牌识别系统识别算法的研究

字符识别是智能车牌识别系统研究的核心问题,针对有线网络车牌识别系统的缺点,将BP算法应用在基于无线网络的车牌识别系统上,重点讨论了用改进的BP神经网络方法对车牌字符的识别;根据我国最新机动车号牌GA36-2007标准,设计出了用于车牌识别的3个神经网络,用MATLAB完成了对车牌字母部分识别的模拟,采用隐层节点22,动量因子0.8进行训练,最后得出实验结果,达到目标误差小于0.001的要求;证明这种方法应用在基于无线网络车牌识别系统上是高效的.     

基于车牌识别流数据的伴随车辆发现算法

针对伴随车辆发现及其实时性问题,基于随时间变化的车牌识别流数据,提出一种采用并行频繁项集发现(PFID)技术的伴随车辆组实时发现算法。该算法根据频繁项挖掘Eclat算法的思想,并利用分布式流数据处理框架Spark Streaming生成最大伴随车辆组。实验结果表明,与排列组合算法及FP-Growth算法相比,PFID算法消耗内存更少,响应时间更短,在秒级响应时间内能找到伴随车辆组,达到及时预警目的。     

基于车牌自动识别数据的车辆OD轨迹还原

交通信息采集设备捕获的车牌数据是研究车辆出行轨迹的天然载体, 可用于追踪、还原车辆在路网的完整出行轨迹. 但是, 受技术与设备覆盖等限制, 采集的时序车牌数据总是呈现出稀疏不完整的性质. 为充分利用车牌数据, 研究并提出一种基于稀疏车牌数据的OD轨迹还原算法. 该算法首先以间隔时间阈值分离车辆的OD出行链. 然后基于K则最短路径算法(KSP)生成多个近似的候选轨迹. 最后, 采用变分自编码器(VAE)选择决策最优估计轨迹, 以获取车辆完整出行轨迹. 该方法已在杭州市萧山区实际交通小区进行实施验证. 结果显示, 所提出的还原算法在测试小区可达95%的综合准确率. 此外, 在节点缺失率高、摄像点位覆盖率低的情况下, 重构算法依然具备良好的性能(高于50%).     

基于DSP的车牌识别系统研究

介绍了一种基于TMS320DM6437硬件平台,运用数字图像处理的知识来实现汽车车牌的自动识别功能。对目前使用的车牌预处理、车牌定位技术与字符分割等算法进行了实验分析。     

基于Matlab汽车牌照识别系统研究

汽车牌照识别是图像识别领域的重要研究课题,提出一种基于Matlab的车牌识别系统有效解决了在自然背景下,车辆牌照的定位和字符识别的问题。实践验证,该系统在车牌识别方面效果明显。     

一种车牌自动识别系统设计方法

通过对连续视频流分析的方法判断并捕获车牌图像帧;基于数学形态学方法和边缘特征分析来进行车牌定位,进行二值化、引入多指标联合评价函数判断反色等处理;最后基于连通体分析的方法切分字符。实验表明本系统设计方法是可行的。