基于多层边缘约束与区域合并的部分遮挡车牌定位方法

针对现有方法对遮挡车牌识别率过低的难题,提出了一种基于多层边缘约束与区域合并的部分遮挡车牌定位方法。该算法首先以边缘方向和颜色对约束对边缘进行筛选,采用自动扫描线法确定候选区域,最后对候选区域进行筛选与合并,实现遮挡车牌的定位。实验表明,该算法对4位以下两端遮挡车牌定位的成功率在90%以上,对4位以下中间遮挡定位的成功率在85%以上。

投影和模板匹配相结合分割车牌字符

提出了一种解决断裂、粘连、污损和部分遮挡车牌字符的分割算法。结合字符牌照的特征,对校正后的车牌图像进行投影,处理断裂和粘连的字符,实现字符初次分割。在初次分割的基础上,设计匹配模板对初次分割下来的车牌图像进行模板匹配,寻求误差最小的模板对字符重新分割。实验结果表明,该方法自适应性强,有很强的鲁棒性,可以获得最优的分割效果。

展望车牌识别技术发展的新方向

车牌识别作为智能交通系统的核心技术之一,是解决车辆管理规范化、信息化、智能化的支撑技术手段。本文从两个方面论述了面向车牌识别的成像机制和方法研究将成为车牌识别技术发展的一个新方向。首先,长期的研究和实践表明:很难找到一种算法可以同时有效地应对不可控交通环境中的各种复杂条件,图像质量始终是制约LPR效能的关键因素,仅依靠算法创新很难从根本上解决这一问题。其次,人为的遮挡严重影响了车牌在颜色、纹理、字符排列结构,几何尺寸等方面的固有特征,使得现有基于车牌识别的各类监管系统无法正常工作,仅从算法或软件的角度研究遮挡车牌的识别是一项很难完成的任务。

AI治超 让舞弊无处遁形

遮挡车牌和车辆异常驾驶等行为是非现场执法系统在实际应用过程中出现的行业性痛点,本文结合当前主流的AI技术,将它与非现场执法场景有机融合,重点介绍了利用AI技术解决遮挡车牌、智能识别车辆异常驾驶行为等满足客户需求的应用思路。/非现场执法现状/公路运输中货车超限超载运输是影响公路安全、畅通的突出问题,被称为头号“公路杀手”和“事故元凶”。

用于卡口系统的车牌遮挡检测方法

驾驶员通过遮挡车牌的方式使得卡口系统无法自动识别其车牌,以达到掩盖车辆身份的目的.针对此问题,本文提出一种车牌遮挡违法检测方法,可对遮挡车牌的行为进行报警,也可用于公安视侦中的嫌疑车辆排查.本方法基于车牌识别技术,对于能够定位到且能正常分割字符的遮挡车牌,使用特定特征对字符进行识别,然后对识别到的多个字符的置信度进行曲线分析,将明显处于波谷的置信度对应字符判断为遮挡字符,判断该车牌轻微遮挡;对于不能够定位到或不能正常分割字符遮挡车牌,则结合车辆检测技术,将其判断该车牌严重遮挡.实验结果表明：本方法能检测到大多数遮挡或者无车牌的车辆.