基于顶点与主体区域同步检测的精准车牌定位

为应对非约束环境下的车牌精定位问题,提出一种基于顶点局部区域与主体区域同步检测策略的非约束性车牌定位算法。通过删减YOLOv5网络的输出结构,训练得到可同步检测车牌及顶点区域的车牌检测网络,在兼顾精度与计算速度的前提下,实现车牌顶点和主体区域的同步定位。针对一幅图中存在多个车牌区域及顶点区域存在少量漏检和误检的情况,分别设计了车牌顶点归类和单一缺失顶点预测后处理算法,借助顶点间的空间位置关系进行漏检目标预测和误检目标排查,有效改善了因场景复杂导致的个别顶点目标检测效果差的问题。所提算法在中国城市停车场数据集(CCPD)上的测试结果显示,平均精准率达99.25%,平均召回率达98.70%。所提算法不仅能够准确预测出车牌的4个顶点坐标,而且在中端GPU硬件平台上处理速度可达121帧/s,具有较好的应用价值。

8 kA稀土电解槽单侧电导及阴极优化数值模拟

稀土电解槽导电板的分布位置对稀土电解槽的物理场会有影响,为探究稀土电解槽中导电板分布的最优位置,在本次仿真实验中为该导电板的分布引入一个等差数列的分布梯度,通过对不同分布梯度下的槽内物理场仿真数值进行比较,进而得到稀土电解槽导电板最优分布模型。在仿真过程中观察到阴极底部的尖角对实验结果影响较大,在其他条件保持不变的基础上将阴极底部由圆柱优化为半球形,通过与未优化的结构进行对比,验证新型电解槽结构的合理性。仿真结果显示:随着导电板由侧边位置向中间偏移,电解反应时槽内的温度与阳极电势基本保持不变,槽盖板与阳极间的电势差逐渐减小,槽内电流密度缓慢增大。当将阴极钼棒底部由柱状结构改为球状结构后,槽内电势分布更为均匀,电流密度相较于之前的结构也有所增加,优化后的结构能改善局部过热问题,同时也使得电解效率增大。

2019年南极长城站地区地震活动特征

基于中国第35次南极科学考察期间完成改建的长城站地震台2019年记录的宽频带三分量连续波形数据,本文发展了一种交错网格搜索的单台定位方法并将其应用于长城站地区的地震定位研究,定位了35个信噪比较高的近震,获得了2019年南设得兰群岛及周边地区的地震分布图.结果显示,地震主要沿NE走向的南设得兰群岛分布,最大震级为M_(L)4.4,最小震级为M_(L)1.6,震源深度范围为12~115 km.通过该区域地震活动特征的分析可知,相对于稳定的南极大陆内部,长城站所在的南设得兰群岛及周边地区地震活动性较强,主要是由于该区域受到南极板块、南美板块和斯科舍板块直接或间接的作用所致.南设得兰群岛南部及其西侧靠近南设得兰海沟的弧前盆地分布着一些中源深度的地震,说明该区域受到板块俯冲作用的影响,这直接给出了菲尼克斯板块向南设得兰群岛下的俯冲作用仍然进行的地震学证据.布兰斯菲尔德海峡位于南设得兰群岛岛弧的弧后盆地,该区域仍然沿NWSE方向扩张,存在显著的火山活动和岩浆热液的运动,推测该区域发生的地震与火山活动有关.

基于LabVIEW的车牌自动识别算法研究

近年来,对车辆的管理越来越智能化,提出了一种基于LabVIEW的车牌自动识别算法,通过摄像头获取汽车图像,利用LabVIEW软件自带的视觉开发模块处理图像信息,通过设置颜色阈值和高级形态学进行车牌定位,然后对车牌进行训练保存样本。当摄像头获取到待识别车牌图像后与样本进行对比判断,达到识别车牌号码的目的。通过对100张车牌图像进行实验,车牌识别的准确率达到99%以上。这种算法开发周期短,成本低,识别准确率高,有很好的应用前景。

复杂道路环境下的车辆牌照检测与识别

针对复杂道路环境中车牌因倾斜、模糊、遮挡导致图像定位检测效果不佳和识别精度低等问题,提出一种基于全局阈值的灰度二值化图像预处理方法,采用YoloV5l算法对后处理阶段的数据集进行定位检测和检测结果评估,并通过R-CNN模型识别定位检测后的车牌图像字符。结果表明:当训练过程持续到100轮次时,相比于Faster R-CNN算法,该模型检测的平均精度均值(mAP)提升9.2%,识别准确率提升17.33%,验证该方法检测和识别车牌的有效性与优越性。

基于车牌底色识别的车牌定位方法

提出了结合汽车车牌纹理特征分析和颜色特征分析实现车牌定位的方法。以往的车牌定位技术主要是利用了车牌的纹理特征和形状特征,该文提出的方法是先进行纹理分析和形状分析,再进行色彩分析,从而尽可能多地利用车牌模式识别空间中的各种条件。得到边缘清晰整齐的尽可能小的车牌区域。这种方法明显地克服了单用纹理和形状分析时难以解决的车牌区域变大的问题。

汽车牌照快速定位算法

汽车牌照的快速准确定位是汽车牌照实时自动识别技术中非常关键的一步。本文利用汽车牌照尺寸、字间距、字数和字体统一的纹理特征 ,提出了基于边缘检测和投影法相结合的牌照定位算法和基于二值化和投影法相结合的牌照定位算法。大量实验结果表明 ,两种算法都具有快速、简洁实用和跟图象背景的复杂程度相关性小的特点。

一种基于车牌特征信息的车牌识别方法

提出一种基于车牌特征信息分析的车牌识别方法,它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈,将二值化、车牌定位和字符分割紧密结合,注重车牌与车辆背景图像分离特征,以连通域分析为字符分割特点,结合局部二值化算法,提高正确率.实际应用结果表明,本方法具有很强的环境适应性和鲁棒性.

基于颜色搭配与纹理特征的车牌定位方法

牌照定位是牌照识别系统中的关键技术。目前在多数牌照定位方法中考虑到了牌照的颜色和纹理特征,但对不同环境的适应性不强。为解决这方面的问题,首先从机动车牌照具有固定颜色搭配的特点出发构造颜色搭配掩模矩阵,并利用此掩模矩阵对原边缘检测图像进行条件约束,得到约束二值边缘图像;然后应用具有去噪能力的形态学结构元,形成牌照粗定位候选区域;最后依据牌照的纹理特征从候选区域中提取出真正的牌照。采用了BP神经网络获得强适应性的HSI空间牌照颜色识别方法,并且只在边缘点邻域内实现颜色空间转换运算,能极大地缩减定位周期。经实验表明,该方法能在复杂的环境和不同光照条件下快速地实现不同牌照的精确定位。

车辆牌照定位的算法研究

车辆牌照的自动识别是智能交通系统（ＩＴＳ）中的关键技术．而车牌照的定位又是车牌识别的关键点之一．本论文探索用数学形态学和投影方法来确定车牌照在原始灰度图象中的水平和垂直位置，从而定位车牌照图象．对不同背景和光照条件下的各类车辆灰度图象进行实验的结果表明本论文提出的车辆牌照定位算法是一种可行的车牌定位方法．

基于数学形态学的车牌定位方法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。文章结合数学形态学的基本运算,尝试使用数学形态学来实现车牌识别系统中的关键步骤——车牌定位。实验结果表明此方法算法简单,且有一定的定位准确率。

基于边缘颜色对的车牌定位新方法

车牌定位是车牌自动识别系统中的一个关键问题 .该文提出了一种新的基于边缘颜色对的车牌定位方法 .首先进行彩色边缘检测 ,然后以每一边缘点为中心 ,垂直于边缘方向取一线形窗口 ,在窗口内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色 ,若是 ,则保留为候选车牌边缘点 ;然后进行形态滤波 ,剥离不符合车牌结构特征的区域 ,最后对候选车牌区域进行纹理特征的分析以确定真实车牌区域 .该方法抓住了车牌背景与字符具有固定颜色搭配的重要特点 ,综合利用了车牌的结构特征和纹理特征 ,提高了车牌定位的可靠性 .对各种条件下拍摄的 16 3幅含有车牌的图像应用该算法 ,定位准确率达到 98.2 % .

彩色汽车牌照定位方法

汽车牌照的定位是牌照识别的第一步 ,定位的准确与否将对后续操作起关键性的作用。在模式识别领域中 ,希望通过一种方法就完成一项实际工作是不可能的 ,必须要考虑多种方法融合的策略。提出了一种基于多方法的车牌定位策略。首先利用颜色信息对输入图像进行彩色粗分割 ,得到了颜色为车牌照的一些区域。然后将分割结果中的伪目标区域 (即除了车牌照区域外的其他区域 )分为两类 (一类是与汽车牌照颜色相近的背景 ,一类是可能和牌照颜色相近的汽车外壳 ) ,分别进行处理 ,最终利用投影法得到准确的车牌位置。实验结果表明该方法效果较好。

车牌字符分割算法的研究

车辆牌照的自动识别是智能交通系统中一项非常重要的技术。本文对车牌识别系统中的字符分割技术进行了深入的研究 ,利用字符的连通性原理进行字符的精确切分 ,试验证明该方法准确度高 ,实时性能好 。

一种基于垂直字符边界特征的车牌定位方法

提出了一种基于垂直字符边界点特征的车牌定位方法 ,该方法能有效定位车牌 ,定位精度高达 98% ,定位时间不超过 2 s。

基于字符角点信息的车牌定位方法

车牌定位是车牌识别的基础.文中提出了一种准确快速的车牌定位方法.该方法利用三级阈值,由粗到细,首先剔除大量非角点像素,提高角点的定位速度,用大阈值突出显示车牌区域的角点,再根据车牌纹理的角点特性,利用滑动窗粗选车牌区域,然后对粗选车牌区域用小阈值,对车牌区域进行精确定位.试验证实该方法的车牌定位准确率达到98%,平均耗时约20ms.

一种复杂车辆图像中的多车牌定位方法

针对复杂背景中多个车牌的定位问题,提出一种新的定位方法.该方法综合利用边缘检测、连通域分析、倾斜矫正等多种方法,解决了复杂背景中定位难的问题.能够准确定位杂乱背景中的车牌,对天气、光照变化、车牌在图像中的移动和旋转等,具有良好的适应能力.该方法为后续的字符分割和字符识别提供旋转角度、字符区域定位信息.

自适应遗传算法在车牌定位中的应用

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心之一。由于传统的定位算法存在适应性差,鲁棒性不强的问题,提出一种基于自适应遗传算法的车牌定位方法。先用最大类间方差法(OTSU)对车牌图像进行二值化,然后利用遗传算法对全图进行车牌特征匹配搜索,结合区域特征向量构造的适应度函数,最终找到车牌区域的最佳定位参量。测试结果表明,该算法适应性强,定位效果很好。

基于图像纹理特征提取的车牌定位算法

车牌定位技术是车牌识别技术中最重要的部分,为了能在不同条件下准确、快速的定位车牌位置,提出了一种根据车牌区域的边框特征以及牌照区域二值化后车牌内部的纹理特征灰度变化频率来定位车牌的算法。实验证明这种算法具有定位准、适应性强的特点,符合实时性的需要。

基于数学形态学的车牌定位算法

车牌定位是汽车牌照识别系统的重要环节,直接影响车牌识别的准确率。利用Sobel算子对汽车图像进行边缘检测,并运用数学形态学的膨胀、区域填充以及腐蚀对二值图像进行处理,可以得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值进行综合的分析方式,能准确定位车牌区域。实验结果表明,车牌定位准确率在95%以上,定位时间为0.15 s,并适用于不同环境。