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。     

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。     

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。     

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%。     

车牌拍照识别技术研究动向

车牌识别技术是一项应用范围非常广的技术,在人们的生活中发挥着越来越重要的作用。汽车牌照识别技术是一个以特定目标为对象的专用计算机视觉系统,能从一幅图像中自动提取车牌图像,自动分割字符,进而对字符进行识别。该技术对采集到的汽车图像进行处理,能够实时准确地自动识别出车牌的数字、字母及汉字字符,并以计算机可直接运行的数据形式给出识别结果。     

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。     

一种改进的车牌字符分割算法及Matlab实现

针对传统分割法在分割含有“U”“H”字符车牌时的不足,提出了一种改进的基于垂直投影特征值的分割算法．预处理中提出的细化后投影找边框中心位置的方法有效地去除了边框,同时在分割中提出的基于投影特征值的分割方法解决了传统投影法将“U”“H”字符分割成两部分的缺点．实验结果表明,该方法能够快速找到字符之间的最优分割点,准确率高,抗干扰能力强,在实际应用中取得了很好的效果．     

基于BP神经网络的含噪字符识别系统及MATLAB实现

运用BP神经网络的原理,在MATLAB的平台上,对含噪与不含噪的印刷体英语字符进行识别和误差统计,经大量样本测试,结果达到设计目标,辨认出错率较低。     

一种基于BP神经网络的字符认识方法

讨论BP神经网络的原理及其缺陷和改进方法.在MATLAB环境下,对含噪声文字符进行识别训练.仿真结果表明,网络收敛速度快,识别分类效果好.     

Automatic Vehicle License Recognition Based on Video Vehicular Detection System

Traditional methods of license character extraction cannot meet the requirements of recognition accuracy and speed rendered by the video vehicular detection system. Therefore, a license plate localization method based on multi-scale edge detection and a character segmentation algorithm based on Markov random field model is presented. Results of experiments demonstrate that the method yields more accurate license character extraction in contrast to traditional localization method based on edge detection by difference operator and character segmentation based on threshold. The accuracy increases from 90% to 94% under preferable illumination, while under poor condition, it increases more than 5%. When the two improved algorithms are used, the accuracy and speed of automatic license recognition meet the system's requirement even under the noisy circumstance or uneven illumination.     

基于复合特征 BP 神经网络算法的车牌识别技术研究

传统的模板匹配算法对车牌图像的伸缩、倾斜及背景干扰比较敏感,识别效果不理想.提出将对字符进行归一化处理后所提取的点特征与重心特征进行复合,作为 BP 神经网络算法的输入特征,大大提高了识别率与识别速度.     

A Practical Method of Car License Plate Character Segmentation Based on Morphology and Labeling

1 IntroductionThe car license plate recoghtion system is animpohallt pat on illtelliged traffic management system['1.It is imPO~ in a nUmber of aPPlications, such asfreeway tolling, parldng management and vehiclethecingl"'].The main tasks of a car license plate recognitionsystem are the location of the license plate in a complexbackground, the seglnedation of oh~ters and theirrecognition['l. These taSks are strongly inter-related,where the lOcation and the segmentation are the key pods,for …     

基于车牌识别+移动支付的高速公路收费系统设计与实现

为提高高速公路通行效率,在原有收费系统基础上提出基于“车牌识别+移动支付”的高速公路收费系统,无需额外安装设备即可实现不停车收费。系统核心技术为车牌识别与移动支付。车牌识别采用小波降噪技术对图像进行降噪处理,采用数学形态学方法进行车牌定位,采用垂直投影法进行字符分割,采用 ORC 算法进行字符识别|移动支付通过调用第三方支付平台（微信或支付宝）接口方式实现。对车牌图像进行降噪处理后,车牌识别正确率达到 96%,比未降噪处理提高 3%|与 ETC 收费车道相比,从该系统入口车道通行时间缩短7 秒,出口车道缩短 8 秒,试验结果表明该系统提高了高速公路通行效率。