基于深度学习的雾霾天气下的车牌号码识别方法

针对雾霾天气下车牌识别存在的精确度低、漏检等问题,提出了一种基于深度学习的雾霾天气下的车牌号码识别方法。首先用AOD-Net算法对车辆图像进行去雾预处理。然后,基于YOLOv5网络设计一种车牌检测网络ACG_YOLOv5s。ACG_YOLOv5s是在YOLOv5s网络的基础上,融入CBAM注意力机制,提高模型的抗干扰能力;引入自适应特征融合网络ASFF,根据模型自适应学习到的权重赋予网络不同特征层不同比重的权值,从而突出重要特征信息;使用Ghost卷积模块替换传统卷积,在保证模型效果的同时减少了网络训练过程中的参数量。最后通过LPRNet对检测到的车牌图像进行识别。实验结果表明,改进后的ACG_YOLOv5s网络车牌检测准确率达到99.6%,LPRNet识别准确率达96%且内存占比小。实验证明AOD-Net算法和YOLO算法结合可更加有效地检测雾霾天气下车牌图像中的车牌号码。

车牌号码颜色提取搜索方法

文中提出了用于车牌号码搜索的颜色提取法。该方法对车牌号码底色和车牌号码本身颜色如蓝色、黄色、黑色。

车牌号码松弛模板匹配方法

提出了用于号码识别的松弛模板匹配法。实验证明对于字符的污损、笔画偏细或偏粗、光线明亮程度变化以及挤压变形等有较强的适应性 。

一种基于相似度的汽车车牌号码自动识别系统

文章介绍了一种基于相似度的汽车车牌号码自动识别系统。介绍了系统的软、硬件设计 ,分析了车牌图像的预处理、车牌定位、车牌区域二值化和车牌字符识别。实验结果表明 。

基于傅里叶描述子的车牌号码识别

车牌号码识别基于图像处理、计算机视觉与模式识别技术,在智能交通系统(Intelligent Transportation System,ITS)研究中占有重要的地位.傅里叶描述子是一种常用的描述物体形状和边界的表示方法,它具有对平移、旋转、缩放等几何变化不敏感的特性.使用傅里叶描述子对常见车牌中的字母及数字的边界进行匹配识别,主要分为对车牌的预处理,对字母或数字的边界提取,对边界点的傅里叶描述子计算,与标准模板的匹配过程.实验结果表明利用傅里叶描述子可以有效地识别出存在一定几何失真的车牌号码.

单帧图像信息特征在车牌号码鉴定中的应用

在车牌号码鉴定中,一帧图像往往很难达到鉴定要求。可采集多帧图像,分区域辨识车牌号码信息特征,并进行综合比较,加以评判。实践证明,该方法在车牌号码鉴定中具有一定的实用价值。

一个改进的车牌号码倾斜校正方法

在智能交通系统中,车牌号码倾斜校正是预处理的重要步骤.论文使用加权最小二乘法,把车牌区域拟合成一条直线,然后求得该直线斜率,并计算倾斜车牌图像的倾斜角α,最后把图像旋转α,完成倾斜校正.实验结果表明:论文方法能快速准确地检测出图像的倾斜角,并具有较强的适应性.与最小二乘法拟合直线比较,倾斜角精度更高,目标函数值更少;与Hough变换校正相比较,论文算法处理时间更短,倾斜角测量精度更高.

基于BP神经网络的车牌号码识别

车牌号码的提取与识别在现代智能交通系统中起着非常重要的作用。采用两个主要步骤对车牌进行处理:首先是图像预处理部分,包括车牌图像的定位与提取、彩色图像灰度化、图像倾斜校正、图像二值化、字符分割、尺寸归一化和紧缩重排;其次是特征提取与识别部分,提取字符中9区域像素数和双横纵像素数共13个特征,然后交由已经离线训练好的三层13-8-7的BP神经网络进行识别。在MATLAB中得以模拟实现,取得良好的识别效果。

基于卷积神经网络的小样本车牌号码识别方法研究

随着汽车使用量的增多,车牌号码识别成为车辆信息管理的重要部分.神经网络在数字图像识别上存在训练和识别时间较长,准确率不够高的缺点.文章使用卷积神经网络LeNet-5模型识别车牌号码,通过实验数据对比,LeNet-5模型相比于经典的BP神经网络在识别速度和准确率上都有明显的提升.

车牌号码

王叔叔在车管所专门负责制作汽车牌照,刚好做到'5739'这个牌照时,所长告诉他车牌号要升为五位数,只能在'5739'的某一位数字前再插入一个与它相同的数字,怎么插入能使新得到的五位数最大呢?怎么插入能使新得到的五位数最小呢?

汽车车牌号码识别系统

为了提高智能交通管理水平,日本富士通公司和北京日电华公司近日在全国智能交通管理展览会上联合推出"汽车车牌号码识别系统"引起参观者的兴趣。当前国内虽然也有部分城市采用了"电子警察系统",用来监测闯红灯等违纪车辆。其工作过程为:用数码相机捕捉到违章车辆车牌的图象,将图象数据存入载体(磁盘),再将载体送至图象处理中心,用人工确认车牌号码。这种系统的主要问题是不能自动识别号码,不能实时将数据传送到图象处理中心,识别号码的时间周期太长。

有趣的车牌号码

嘀嘀嘀!马路上的汽车越来越多，每辆汽车车尾（wei）都挂着车牌（pai）号码。我发现有些车牌号码真有趣!

车牌号码的秘密

来,新能源汽车的车牌号码的位数多了一位。安奇奇很想知道,车牌号码增加一位后,这些数字和字母能组成多少个车牌号码呢?看点1车牌号码怎么看新能源汽车的车牌号码由3部分组成,分别是省份简称和地方行政区代号、代表新能源车汽车类型的字母和序号。

车牌号码能保留吗？

咨询一个关于机动车号牌管理方面的问题，我想换车了，但舍不得原来的牌照号码，有什么办法能保留它吗？

基于Gabor方向特征及神经网络的车牌灰度字符图像识别

针对低分辨率灰度车牌号码数字识别问题,提出了一种利用网格技术和Gabor变换直接从灰度图像进行特征提取的新方法,并设计了一种集成型神经网络模型来进行识别,对大量的实验数据进行识别实验得到99.26%的识别率,显示该方法是非常有效的。

一种基于区域熵值的车牌定位方法

因搜索空间太大 ,现有的车牌号码识别系统所采用的图象分割方法一般说来效率较低。为此 ,本文提出了一种基于区域熵值的车牌定位方法 ,可快速判定车牌的粗略位置与颜色 ,即得到一个属于车牌区域的参考点和车牌的背景色 ,从而使得随后的图象分割仅在该参考点的周边区域进行 ,大大缩小了搜索空间 。

字符结构知识在车牌识别中的应用

提出了一种完全基于结构知识的字符识别方法。该方法以字符的结构特点和笔画类型、数量及位置作为识别特征生成判定树,再利用判定树对汽车牌照中的字母和数字进行分类识别。

基于色彩饱和度和字符特征的汽车牌照定位

在分析汽车牌照底色与字符颜色关系的基础上提出了一种利用色彩饱和度信息和牌照字符特征的汽车牌照定位分割方法。该方法不同于以往的基于色彩的分析方法,避免了在由RGB向HSV转换过程中大量的浮点运算,提高了运算效率,并且能够有效地克服光线和天气条件的影响,具有很好的抗噪性能,定位精度高。

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.