基于计算机网络技术的车辆识别技术

随着我国汽车使用的普及,为了避免出现交通问题,车辆识别技术也逐渐被广泛应用,例如：在停车场、高速公路、十字路口等管理系统的领域中都有应用。车辆识别技术作为先进交通管理的重要技术之一,在解决交通问题的同时,还能加快和稳固城市建设与治安管理。本文通过简单介绍车辆识别技术及车辆识别技术的种类,对基于计算机网络技术中的车牌识别系统原理进行分析,并根据所分析的情况,设计出合理的运作系统。     

基于Matlab的车辆牌照识别系统

介绍了一种基于Matlab的车辆牌照识别系统,采用基于灰度跳变的定位方法,先对图像进行预处理,再用CAN-NY算子做边缘检测、开闭运算子和车牌长宽比特征识别以实现车牌的定位,最后用二次水平投影分析和阈值技术有效检测了车牌图像的上下左右边框、旋转角度,从而准确实现车牌字符的分割.     

利用支持向量机SVM识别车辆类型

支持向量机（Support Vector Machine，SVM）分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力，已被广泛地应用于多类分类问题的研究．以车辆轮廓特征为对象，将二类分类支持向量机SVM应用于多类车辆类型的识别，并与其它分类器的分类结果进行了对比．通过9次交叉验证实验，结果表明SVM对车辆数据样本的测试准确率达到了85．59％，其分类性能优于其它分类器．     

基于Mean Shift方法的视频车辆检测与分割

提出了一种基于Mean Shift方法的视频车辆检测和分割方法.首先将交通场景图像与路面区域所对应的二值掩模图像进行“与”运算以排除无关背景干扰,并对所得的结果图像用Mean Shift聚类方法进行分割以得到原始的分割图像.然后根据区域的面积、分布以及颜色的均匀性和相似性等特征有效过滤出路面区域.进一步基于颜色的不相似度量,将路面区域置“黑”,所有其他区域置“白”,对路面区域图像进行二值化.最后通过特定的后处理过程可把路面区域中所存在的动、静态车辆检测出来.     

车辆牌照自动识别系统预处理算法研究

车辆牌照自动识别系统是近几年国内外模式识别应用研究领域的一个热点。本文对系统中图象预处理环节涉及的新算法、新技术做了一个比较全面的论述 ,对一些关键的技术问题进行了深入探讨 ,实现了复杂背景中牌照的自动分割与字符切分     

针对车辆与行人检测的ROI自适应分割算法

在基于图像的车辆与行人检测中,针对固定比例/区域的感兴趣区域(Region of Interest, ROI)图像分割适应性低之问题,提出基于消失点和车辆高度的ROI自适应分割算法：首先,利用车道消失点得出道路位置,避免分割区域浪费;其次,综合车辆实际高度和检测距离计算图像上车辆高度,定位ROI边界,减少车辆及行人目标的不完整分割;最后,循环利用当前帧的车道消失点及其推导的实时俯仰角更新下一帧ROI,实时适应不断变化的路面坡度及车身俯仰姿态。实验表明,该算法计算简单,适应性强,满足不同情况下快速精确的ROI分割要求,提高后续目标检测的实时性和准确性。     

基于改进CenterNet的车辆识别方法

为解决车辆识别系统中类型识别率低的问题,提出了一种基于改进CenterNet的车辆识别方法.首先,该方法采用ResNet18作为基础网络,以减少网络参数;然后,针对CenterNet车辆目标识别存在定位效果不理想的问题,采用带间距的交并比损失取代CenterNet损失函数中的偏置损失和宽高损失,同时采用单尺度自适应空间...     

基于二维时空图像分析的车辆检测和分割方法

使用二维时空图像分析法，能够较好地解决光照变化和阴影给车辆分割带来的困难，且该方法的计算量小，适用于低成本的实时交通监控系统，通过道路上方安装的摄像机获得图像序列，构成全景图和外极面图两种二维时空图像，对它们进行背景减除，图像差分和取阈值等处理，不仅可以统计车流量，而且可以估计车速和道路占用率，由于算法考虑了日照阴影和晚间灯光对图像的影响，因此有较好的可靠性和实用性。     

一种改进的变分水平集车辆检测技术

针对传统运动目标检测算法存在适应性差、对噪声较敏感等缺点,提出一种基于变分水平集快速提取边缘模糊运动目标的方法。该算法利用主动轮廓模型进行边缘检测约束,并结合变分水平集方法进行二次演化获得准确的图像分割。实验证明,该方法能够快速准确的分割运动目标,对于复杂环境有较好的适应性和鲁棒性。     

基于车辆牌照识别系统字符的特征提取方法研究

对车辆牌照识别系统中分割下来的牌照字符特征提取环节涉及的新算法、新技术进行了深入探讨,主要研究用提取图象变换系数、图象统计矩和方向特征量的方法提取字符的分类特征,针对实验结果进行了分析。以上工作为车辆牌照识别系统的整体设计打下了一定的基础。     

基于OpenCV的车牌识别系统研究

车牌识别系统是以汽车牌照为特定目标的专用计算机视觉系统,是智能交通系统的重要组成部分.介绍了一种基于Visual C++平台与Intel开源计算机视觉库OpenCV的静态复杂背景下的车牌识别系统的开发方式.该方式中采用空间域滤波和形态学方法确定车牌的轮廓,采用频域、空间域分析和几何校正相结合的方法对车牌歪斜情况进行校正,最后通过字符分割和模板匹配实现车牌号码识别.经在Visual C++平台下验证,此方法适用于车牌歪斜的情况,识别速度快,准确率高.     

车牌定位系统中关健技术的研究与实现

针对车牌识别系统中由于分割不准确而造成识别率低的问题,提出一种基于一阶水平差分算子的自适应边缘检测的分割方法,以便更好的将汽车图像从复杂的背景中分割出来,同时用优化投影法对车牌进行定位,并在字符识别中利用改进15特征点提取法实现了车牌字符的识别.实验结果表明,该算法对车牌识别的准确性高,识别速度快,鲁棒性好.     

一种复杂背景下的多车牌图像分割与识别方法

提出一种复杂背景下的多车牌图像分割和知识方法，采用统计和特征匹配相结合的方法去除待识别图像中的背景，提取可能存在车辆的区域；分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割，使用PCA和BP神经网络相结合的方法精确识别车牌，实验结果表明，该方法对复杂背景下多车牌的分割和识别是有效的。     

一种基于神经网络的车牌定位方法

针对过去车牌定位难的问题,提出了一种基于神经网络的车牌定位方法,算法通过神经网络训练、图像预处理以及用训练好的网络进行车牌的定位,依照上述算法对编制的软件检验,从测试的 600 幅 320×240(像素×像素)汽车图像,正确率达到了 95.1%,每幅图像的运行时间小于 2s,基本上达到了实时处理的要求。     

一种基于车牌特征信息的车牌识别方法

提出一种基于车牌特征信息分析的车牌识别方法，它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈，将二值化、车牌定位和字符分割紧密结合，注重车牌与车辆背景图像分离特征，以连通域分析为字符分割特点，结合局部二值化算法，提高正确率。实际应用结果表明，本方法具有很强的环境适应性和鲁棒性。     

一种新的车牌快速定位方法

针对车辆图像分割困难，车牌位置定位不准等问题，提出了一种新的车牌快速定位方法，在图像增强与分割的基础上，对得到的二值图像作行，列扫描，并利用车牌位置信息，尺寸信息来缩小搜索范围，提高了定位精度和实时性，对不同光照、不同车型的汽车图像的仿真试验结果表明，该方法具有较好的定位精度和鲁棒性。     

汉字多属性认知特征提取研究及应用

摆脱传统汉字特征提取时基于二维平面象素点的统计和结构的分类方法.采用仿生模式识别思想,将汉字拆分为计算机算法可直接认知的基本笔划的组合,并对笔划进行数量、排序、位置,游程的属性编码,提出汉字多属性认知特征概念.方法很大程度上排除了传统汉字整体特征提取中信息的混淆和冗余,提高了字符识别正确性,实时性.用于车牌识别达到很好的实用指标。     

纹理分析车牌定位方法的研究现状及展望

作为智能交通系统的核心技术之一,基于机器视觉的车牌识别一直受到广泛的关注.车牌定位是车牌识别的重要步骤,其目的是确定车牌在图像中的坐标位置,从而剔除大部分的噪声区域,仅保留包含车牌的子区域.目前,纹理分析是车牌定位最基本也是最重要的手段.该文首先介绍了纹理分析车牌定位方法的研究成果,然后总结这些方法的不足,展望了下一步的研究方向.