基于YOLOv3算法的车牌识别优化算法

为提高车牌的识别能力,文中提出了一种基于YOLOv3算法的端到端的车牌优化识别算法。该算法中构建了新的车牌数据集并对数据集中的车牌和字符进行标注;基于YOLOv3模型,提出了Darknet-31网络,此结构不仅提高了网络的提取能力还加快了提取的速度;针对车牌字符较小的特点,增加了一个网络预测尺度,提高了车牌字符的检测能力。相比于传统YOLOv3算法,文中算法的平均精度提高了4.1%,召回率提高了3.8%,对字符识别的速度提高了20%,由实验结果可知,文中算法具有更好的鲁棒性和实时性。

超声检测在路侧泊车收费设备中的设计

目前,路侧泊车收费设备判断车辆是否驶入车位的主要方式为视频实时检测、激光检测以及红外检测等,存在功耗过高、精度较低等缺点。而该设计采用超声检测,功耗较低、精度较高。该方案基于超声波测距原理,采用收发一体式探头,介绍了超声波发射接收电路、电源电路以及ELMOS公司的超声波芯片E524.09等。超声波芯片E524.09接收到STM32单片机指令,其内部振荡器发出52kHz脉冲信号,回波信号由E524.09处理后,经ADC进行模数转换,最终将计算结果发送至上位机。通过对超声波包络数据的计算,该方案不仅可以精确地检测出车辆,也可排除交通锥等干扰,精度可达99.7%。故该设计符合项目实际需求。

基于瞳孔变化的动态虹膜定位方法

目前虹膜识别算法较多,但仍存在计算量大、速度慢的问题,针对该问题提出了一种基于瞳孔变化的动态虹膜定位方法。该方法首先通过去除小面积过滤噪声,再将图像进行缩小,再使用Hough变换进而实现对虹膜内边界定位;在瞳孔定位之后,根据瞳孔尺寸和虹膜纹理尺寸的变化关系,建立瞳孔半径与虹膜外径关系的数学模型,对不同图像可实现动态实时定位虹膜的外边界。该方法将虹膜内边界定位时间缩减到0.17s,外边界定位缩减到0.01s。实验结果表明经该方法提取的虹膜区域,虹膜识别准确率可高达99.8%。