一种基于OpenCV的车牌识别方法

研究了一种基于OpenCV的车牌识别方法。在车牌定位阶段,提出一种综合边缘信息和颜色信息,并结合车牌几何特征定位方法,通过SVM机器学习实现车牌精确定位。在车牌字符分割阶段,通过设定像素跳变阈值去除边框,提出一种结合垂直投影法和字符特征的字符分割算法。在字符识别阶段,提出结合投影和网格的字符特征提取方法,并利用4个BP神经网络进行字符识别。实验表明,该方法定位率高,字符识别快速准确,具有较强的鲁棒性和实用性。     

一种改进的车牌图像识别算法

提出了基于改进的边缘检测和数学形态学结合的车牌图像识别新方法.首先将采集到的彩色车牌图像转化为灰度车牌图像,然后利用Sobel算子进行边缘检测,接着对灰度化的车牌图像进行形态学的腐蚀处理,得到平滑图像的轮廓,再进行X方向的定位和Y方向的定位及区域校正得到车牌的区域.通过对车牌图像的二值化和形态滤波把车牌上的字符给有效分割出来,最后采用模版匹配的方法进行车牌字符的识别.从仿真的结果看:可以准确提取车牌位置的字符,字符识别的准确率较高,且识别的速度快.     

基于改进 K 近邻算法的小型汽车号牌识别系统

为了对现有小型汽车号牌识别系统进行优化,改善车牌字符识别系统性能,借助 OpenCV 图像处理开源库,在车牌图像预处理阶段采用均值滤波方法提高图像质量,采用 Sobel 边缘检测算子对图像边缘进行提取,利用交替的膨胀、腐蚀操作结合车牌长宽比实现车牌轮廓定位,并根据列像素值对车牌字符进行切割,最后采用改进的 K 近邻算法对分割后的单个车牌字符进行识别。实验结果表明,基于改进 K 近邻算法的车牌识别系统处理时间为 2.08s,识别正确率达 91.3%。与传统的 K 近邻算法相比有着更高的识别率,与神经网络法相比,有着更快的识别速度。     

最大似然分类的国内车牌字符识别方法研究

为了满足车牌识别系统对国内车牌字符的有效识别,利用最大似然分类简单快速、实施方便的特点,提出了一种最大似然分类的国内车牌字符识别的方法。通过对样本图像进行采集和预处理,再提取字符的特征数据并建立训练集数据库,依据字符特征向量样本和最大似然分类建立字符识别模型,针对不同类别的字符提供训练模式,对训练集样本进行模型学习和训练完成机器学习算子,最后完成车牌的识别。实验结果表明,作为国内车牌字符识别的一种方法参考,该方法可以有效识别国内车牌字符。     

RBF神经网络在车牌字符识别中的应用

针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。     

基于离散 Hopfield 神经网络的污染车牌字符识别

传统字符识别方法缺乏对污染车牌字符正确识别的能力,难以有效分辨易混淆字符等。针对这些弊端,采用 MATLAB 对真实车牌字符图像进行处理,提出一种基于离散 Hopfield 神经网络的改进算法（CLP-HNN）,对车牌字母及数字进行识别。实验结果表明,该算法对污染车牌字符识别率达 93.3%,不仅可有效降低污染车牌错误识别的风险,而且可提高易混淆字符正确辨别率,对减少车牌误识别引起的交通安全及秩序问题有较大参考价值。     

基于数学形态学和先验知识的车牌定位

车牌定位是车辆识别中重要的环节,是字符分割和字符识别的基础。在数学形态学的基础上对图像进行了粗略的定位,根据先验知识进行了伪车牌的去除和字符分割的预处理,该方法能做到车牌准确定位。     

基于径向基神经网络的车牌字符识别算法研究

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,提取字符的小波统计特征作为RBF神经网络的输入进行字符识别。实验结果表明本文提出的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。     

基于Matlab的车牌识别技术的仿真

车牌识别系统包括五个核心部分,分别是图像采集、图像预处理、车牌定位、字符分割、字符识别。此系统的工作过程为:首先对车牌进行预处理,确定车牌水平位置和垂直位置,即车牌的具体位置;接下来经字符分割工作提取车牌字符;最后采用模板匹配的方法完成车牌字符的识别。Matlab仿真实验结果表明,本系统的车牌识别率可达96%。     

基于OPENCV的智能车牌识别系统

智能车牌识别系统是结合数字图像处理技术、计算机视觉和模式识别为一体的综合系统,包含对车牌图像进行预处理、车牌区域定位、字符分割以及字符识别等功能。在车牌识别技术中,采用了BP神经网络技术,能快速根据提取的车牌字符特征与已知样本中特征进行比对以获取车牌字符。通过运用OPENCV计算机视觉库,大大降低了系统实现复杂度,实现了快速准确识别车牌号码。     

基于LabVIEW的车牌图像识别技术研究与应用

提出一种虚拟仪器与机器视觉相结合的汽车牌照识别方法。应用IMAQ Vision工具包,在LabVIEW平台上开发了车牌图像识别系统,并详细介绍了图像预处理、车牌定位、字符分割和字符识别的方法。实验结果表明,该方法是可行性的,能有效识别车牌和字符。     

浅析车牌识别技术

车牌识别技术作为智能交通的重要组成部分,在人们的生活中发挥着越来越重要的作用。车牌定位、字符分割、字符识别是车牌识别的三个重要组成部分,是车牌识别技术研究的重点,从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行了简要介绍。     

基于LabVIEW的车牌图像识别技术研究与应用

提出一种虚拟仪器与机器视觉相结合的汽车牌照识别方法.应用IMAQVision工具包,在LabVIEW平台上开发了车牌图像识别系统,并详细介绍了图像预处理、车牌定位、字符分割和字符识别的方法.实验结果表明,该方法是可行性的,能有效识别车牌和字符.     

智能交通领域中机动车牌照自动识别技术研究

对车牌图像预处理和字符识别做了系统的阐述,针对字符分割采用了一种基于投影变换的分割算法,并就字符特征向量提取及字符识别方法进行了描述,设计了一种机动车牌照自动识别系统的解决方案。     

一种基于边缘信息的车牌字符分割算法

提出了一种新型的基于边缘信息的车牌字符分割方法,首先对采集的彩色车牌进行灰度化,在去除噪声后,对车牌区域利用SUSAN算子进行边缘检测.通过垂直投影分割,确定字符区域的不同宽度,利用字符宽度的分类与区域前后文宽度的变化可降低误分割的概率.实验结果表明,采用该算法对车牌字符进行分割时,可显著提高分割的正确性.     

基于神经网络集成的车牌字符识别

针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。     

香港车牌识别系统

提出了一个香港车牌识别系统。针对香港车牌的特点,先对车牌图像进行彩色二值化、不可能字符区域的去除、水平梯度统计、基元扫描后得到车牌的大致区域,然后对大致车牌区域进行精确搜索,最后获取车牌字符,送交到后端的字符识别模块进行识别。通过大量图片的测试和实际的应用表明,本系统有着93%以上的识别正确率。     

基于MATLAB的车牌识别系统设计与实现

针对复杂的高速交通系统，设计了一套基于MATLAB的车牌识别系统，采用数字图像处理技术，自动识别车牌图像中的牌照信息，让交通系统实现数字化。具体过程是先对采集到的车牌图像进行灰度化，再进行边缘检测、形态学处理等，完成车牌的两次定位，成功后再进行倾斜校正、二值化、反色、字符分割，最后用模版匹配法对车牌字符进行识别。从实验结果看，该系统准确定位车牌并能准确快速地识别出车牌号码，实时性和实用性都较好。     

最大类间方差二值化在车牌定位中的应用

根据车牌区域字符的纹理特征和统计规律,应用综合纹理分析和垂直投影的车牌定位方法来进行车牌定位。首先对图像进行灰度均衡,再在最大类间方差（OTSU）二值化的基础上,用边缘检测和投影法相结合实现车牌定位和分割。经实验证明利用这种方法定位准确率高,具有很强的可行性。     

基于深度学习的非机动车号牌识别一体化技术研究

针对电警复杂场景中非机动车号牌小、脏、模糊等引起的车牌识别难度问题，借鉴深度学习技术的研究成果，提出了一种车辆检测、车牌检测、字符识别的两阶段非机动车号牌识别一体化技术.车辆目标易于辨识，基于YOLO模型，对网络结构进行轻量化，且兼顾检测率平衡的改进；基于车牌是包含于车辆之上，在车辆定位区域，采用改进的YOLOV3快速模型进行车牌检测；在字符识别阶段，针对相机拍摄角度导致的车牌形变问题，向识别模型中添加STN网络，提出基于STN+CNN+LSTM+CTC的融合网络模型.在测试集上，整体识别准确率达到99.5%.