基于CNN的车牌数字字符识别算法

针对传统车牌识别算法识别率低、鲁棒性差等问题,提出一种基于卷积神经网络结构车牌数字字符识别算法.在卷积神经网络的基础上用ReLU激活函数代替传统的Sigmoid激活函数,引入卷积步长等操作,不仅加速网络的收敛,而且降低了网络参数的数量.实验结果表明:与传统特征提取算法相比,该算法识别率最高,达到95.2%,识别率波动范围小,鲁棒性强.     

基于BP神经网络的车牌字符识别

自动车牌识别作为高精度的车辆识别中的核心技术,在智能交通中发挥着日益关键的作用．构建一种改进的BP神经网络识别车牌字符,并在VC＋＋6．0环境下测试,实验结果表明系统具有良好的有效性,并能满足实时车牌识别的要求．     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

基于Gabor变换和LMBP神经网络的 车牌汉字字符识别

字符识别是汽车牌照自动识别系统中的关键环节,汉字字符识别是其中的难点。提出用Gabor滤波器对灰度汉字图像抽取横、竖、撇、捺的4幅能量特征图像的方法,同时对Gabor滤波器组输出值进行非线性变换,使其适应于不同亮度和低质量灰度车牌字符图像的识别,最终采用网络法提取4幅能量特征图像的特征,用改进的BP神经网络作为车牌汉字字符的识别器,提高车牌识别率。     

基于小波矩的车牌字符识别研究

牌照字符识别是车牌识别系统中关键的一步,而字符识别的关键在于有效特征的选取.小波矩是小波多尺度分析与矩相结合的新的视觉不变量,图像的小波矩特征能很好地反映图像的局部和全局特征,并且具有较强的抗干扰能力.但不同的小波矩离散化方法在性能上有很大的差异.在分析小波矩和矩快速算法的基础上,引入了一种新的小波矩离散化算法用于车牌字符识别系统,以车牌字符图像的小波矩作为特征量,结合改进的BP神经网络实现了车牌字符的识别,获得了很好的识别效果.     

基于正交Gegenbauer矩的车牌汉字字符识别

针对已分割完成的车牌字符,提出了一种基于正交Gegenhauer矩特征提取方法,并将其应用于车牌汉字字符识别中．Gegenbauer矩法有别于其他传统的字符特征提取方法,它能获得字符的全局特征信息,因此可以唯一地表征一个字符．通过与其他方法的对比实验,可以看出此方法在低噪环境下具有更好的识别效果．     

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。     

基于小波空间的车牌字符识别算法

根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,用小波系数能量和熵的动态阈值提取车牌字符相应的统计特征并作为BP神经网络的输入进行识别.实验结果表明该算法是一种切实可行、准确高效的方法,对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性.     

车牌字符识别的混合特征提取方法

分析了特征维数与分类错误概率的关系，提出了增加新特征，采用混合特征提取方法进行分类器设计。结果表明增加的新特征可以提高分类器的性能，并能使识别率明显提高。在问题的概率结构完全已知的情况下，增添新特征不会增加Bayes风险。     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母／数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。     

基于形状上下文的车牌字符识别

针对车牌字符识别问题,该文提出一种基于形状上下文的识别算法,对分割好的车牌字符进行识别。对分割字符进行边缘检测,提取部分边缘点作为样本点,计算每个边缘点的形状上下文描述算子;再对分割字符和字符模版进行相似度比较,得到相应的对数极坐标图,计算相似度是否达到预设的阈值来判定分割字符是否可识别,并判别结果。实验表明,此算法在二维目标的不变性中,具有精确的匹配效果。     

基于能量和神经网络算法的车牌识别系统

设计了一个基于车牌灰度图像能量和神经网络的车牌识别系统.通过构造汽车图像的能量图来定位汽车车牌位置.通过优化车牌字符特性向量,运用二级BP神经网络进行车牌字符的分类识别.同时,采用Qt平台开发软件系统界面,实现跨平台运行,方便软件分别运用于Win+PC机或Linux+ARM系统.实验结果表明,本车牌识别软件系统可以识别不同角度,不同距离和不同光照环境条件下拍摄到的车牌图像,具有较强的抗干扰性和鲁棒性.     

Improved Approach Based on SVM for License Plate Character Recognition

An improved approach based on support vector machine （SVM） called the center distance ratio method is presented for license plate character recognition. First the support vectors are pre-extraeted. A minimal set called the margin vector set, which contains all support vectors, is extracted. These margin vectors compose new training data and construct the classifier by using the general SVM optimized. The experimental resuhs show that the improved SVM method does well at correct rate and training speed.     

一种车牌字符快速分割的改进算法

车辆牌照自动识别系统在桥梁、路口自动收费、停车场无人管理、违章车辆自动记录等领域有着广泛的应用.研究重点是系统中的牌照字符分割技术,在介绍了LLT快速分割算法之后对其进行了改进,并将其应用于牌照图像的字符快速分割,准确率得到了明显的提高.     

汽车牌照自动识别系统中字符分割算法研究

在汽车牌照自动识别系统中，字符分割的准确性是能否正确识别的前提条件，由于受自然环境和人为因素的影响，造成图像质量下降，给字符分割带来了很大的干扰，本文采用了面积投影法，轮廓投影法和固定间距法综合来分割字符，现场实践证明。字符分割准确率达到98．7％。     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

用于视频交通检测监控系统的车牌自动识别算法研究

针对视频交通检测监控系统对车牌自动识别算法的要求,提出了基于Hough变换改进的几何失真矫正方法以及基于马尔可夫随机场模型和遗传算法的函数优化二值化算法.实验表明,采用这两项改进算法能够有效地提高车牌自动识别的正确率和识别速度,其功能和技术指标满足视频交通信息检测监控系统的要求.