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。     

竖向边缘生长的车牌定位算法

车牌定位在车牌识别系（License Plate Recognition,LPR）的实现过程中是一种极为重要的技术。车牌定位不仅是LPR中的重要步骤，而且是识别的基础。竖向边缘生长算法．既充分发挥了样板匹配的边缘检测方法定位边缘高效快速的特点，又结合了区域生长算法分割结果准确的优点。     

基于MATLAB的车牌识别系统研究

为了提高车牌识别准确率,以MATLAB为平台,对车牌识别系统部分算子选择及算法进行调整和优化。在具体处理中,通过灰度拉伸、顶帽变换、二值化等实现车牌预处理,用边缘检测、形态学处理等实现车牌定位,通过多种算法对比选择合适的车牌矫正方法,结合车牌垂直投影法、模板匹配法完成车牌识别系统设计。该系统对车牌识别的准确率由96.5%提升至97.5%,识别效果较好。     

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。     

基于GPRS的嵌入式无线车辆管理系统的设计

结合嵌入式系统、GPRS网络技术和车牌识别技术,从硬、软件两个方面来设计和实现了一种采用ARM9微处理器的嵌入式无线车辆管理系统。通过对实时图像进行采集和车牌识别来实现了远程对车辆的实时监控和管理。     

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。     

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%。     

条形码技术在车牌识别中的应用研究

在交管、治安和事故处理中经常使用车牌识别技术.通过研究带条形码的车牌识别过程中颜色编码问题、二值灰度图像处理、增加反光角度、捆绑无线射频识别标签等技术细节,证实在车牌里加入条形码是完全可行的,而且能够提高识别效率和正确性,这在一些特殊应用领域里是很有价值的.     

车牌粗定位

在现有车牌定位的基础上,提出了一种结合图像空间信息方法和颜色空间信息方法进行车牌粗定位的方法。粗定位的结果可以用于车牌的精定位,为后续的车牌定位和识别打下良好的基础。     

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。     

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.     

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。     

汽车牌照定位研究综述

车牌定位是牌照自动识别系统中最关键的环节，也是检验牌照自动识别系统优劣的重要指标．长期以来，许多学者从事这方面的探讨和研究，相继出现了一些新方法、新思路．尽管如此，目前国内尚无一个完善、通用的牌照定位系统．本文结合国内汽车牌照的特点，对近几年来国内外车辆牌照识别系统研究中出现的车牌定位方法，进行了全面的综述．     

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BP神经网络的车牌字符识别方法

文章提出了一种改进BP神经网络的车牌字符识别方法,进一步研究在干扰情况下的车牌识别问题,并采用系统化的方法,使用VC＋＋6．0设计并实现一个高效、鲁棒性好的车牌定位和识别系统。实验结果表明,提出的方法具有效率高、精确度好、对光照、旋转、噪声等具有良好的鲁棒性等特点．定位率和识别率可以达到90％以上。     

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。