车牌识别

摘要： 为了识别车辆车牌并进行跟踪,首先定位出车牌的精确位置,再通过基于纹理方向场的车牌倾斜校正方法对无人机拍摄视角下的车牌进行修正,使用基于卷积神经网络算法对车牌字符进行识别。设计自研飞控系统结合图像处理的嵌入式平台,通过视觉无人机在空域按一定航线巡逻飞行,针对车辆车牌进行识别并定位车牌位置。实验结果显示,在实验飞行高度小于10m并且摄像头夹角小于60°的情况下,无人机对车牌识别准确率较高且定位信息准确。

摘要： 伴随图像识别技术的快速发展,车牌识别系统在许多场景得到了广泛应用。但实际应用环境总会存在对车牌识别产生干扰的因素。通过优化关键环节来提升车牌识别的效率,在车牌识别中车牌图像作为识别的目标对象,其输入系统的质量高低将对车牌识别的效率产生较为关键的影响。因此,将图像处理技术融合到车牌识别图像预处理中,利用高斯滤波、灰度化、二值化技术来完成车牌图像的预处理,以减少客观条件对车牌识别效率的干扰。实验表明,图像处理技术的应用对于降低车牌识别系统算力消耗、提升识别效率有较大帮助。

摘要： 车牌识别在高速收费口、小区车辆出入口、停车场自动收费系统等方面得到越来越多的应用,这在一定程度上可以减少交通道路的拥挤,缓解交通压力。本文应用OpenCV库相关功能完成车牌的定位以及字符的分割,在此基础上利用TensorFlow框架的Keras模块搭建卷积神经网络,对车牌中的汉字、数字和字母分别进行识别,其中车牌汉字模型评估的准确率为92.4%,数字和字母一起识别模型评估的准确率为95.6%,识别效果较好。

摘要： 针对ETC车道车牌识别难的问题,文章介绍了一套适用于人工车道与ETC车道的车牌自动识别系统。该系统采用HSV色彩分割与连通域分析相结合的方式来检测车牌区域,通过一种基于Hough变换与像素点投影的方法来实现车牌字符的倾斜校正与分割,并采用SVM分类器对车牌字符进行识别。测试结果表明,该车牌识别系统正确识别率高、识别速度快,且能够有效地校正车牌的倾斜,具有在实际场景中应用的可行性。

摘要： 随着大数据时代的到来,智慧城市等一系列概念的提出,人工智能开始在城市各个角落得到广泛应用。其中,车牌识别作为城市道路交通重要的一环,也取得了重大突破。基于深度学习的车牌识别一经提出,各类算法应用于车牌检测及识别上,对比于传统的车牌识别,大大提高了识别的速率和准确率。然而,在非限制条件下,如大角度车牌识别准确率仍有提升的空间。提出了一种改进的FasterR-CNN与YOLO的深度学习车牌识别算法,将对大角度下的车牌识别准确率达到了99.7%。由于是轻量型的框架,为后续的移动设备部署工作提供了便利。

摘要： 随着ETC全国联网的发展,虽然ETC用户数量得到大幅度提升,但是仍有一定比例的车辆需要通过人工方式提供车道处理服务,特别是对于出口车道而言,目前对于无法通过正常ETC交易的车辆,仍然只能提供人工方式进行处理,缺乏智能化的异常处理能力以及多渠道的智慧化处理手段。本文提出基于集成AI技术模拟收费员模式的高速公路收费机器人系统,实现了少人化、非现金、快速通行的目标。

摘要： 本文设计了一个小型汽车的车牌识别算法。该算法首先选取一幅带有车牌的图像,再分别通过运用HSV模型、Radon变换、二值化、形态学运算和投影法在MATLAB中进行车牌识别。实验的结果表明,用该算法识别得到的车牌与实际车牌一致。

摘要： 为了缓解传统的人工管理停车场方式带来的停车场的管理成本高、效率低,且停车场出入口拥堵这些现象,本文研究并实现了基于车牌识别的停车场智能收费系统。该系统采用SVM算法实现了对进出车库车辆的车牌自动识别,并将相关车辆信息记入数据库,同时显示当前车库的剩余车位。另外,出库时根据查询数据库中的车牌号确定当前车辆是否为VIP用户,进而确定该车辆出库时需要缴纳的费用。本系统的使用很大程度上会减少停车场管理的成本,提高停车场的使用效率。

摘要： 随着智能交通领域车牌应用需求的升级,自然场景下的车牌识别依然面临挑战。针对多变的自然光照以及多样的拍摄角度导致的车牌识别精度与实时性无法兼顾的问题,提出了一种基于字符区域感知的端到端车牌识别算法。通过引入字符区域感知网络直接在图像中定位字符,无需车牌检测即可直接对字符进行识别,有效优化了车牌识别流程。使用ResNet18作为主干网络,结合FPEM和FFM组合成的低计算分割头弥补轻量级网络的缺陷,在不降低算法精度的前提下使其具有良好的实时性。构造车牌内容相关人造数据集对字符感知网络进行预训练,进一步提升字符感知能力和算法精度。在CCPD数据集上的实验结果表明,与现有车牌识别方法相比,所提出的算法在推理速度保持6帧/秒的情况下平均准确率可达46%,比现有的基线模型超出约3%。

摘要： 自2017年国务院发布《新一代人工智能发展规划》以来,人工智能教育成为教育的热点,《普通高中信息技术课程标准(2017年版)》也明确将人工智能教育列入其中。下面,笔者以《中小学人工智能教育系列(人工智能高中版)》中的《文字识别:小区车牌识别》一课为例,在实践中体验学习,利用数字化学习环境,探索在高中学段的人工智能教学。

摘要： 随着车牌识别系统的广泛应用,海量车牌识别数据的挖掘分析逐渐得到交通模型工程师及交通决策管理人员的重视.本文结合滨海新区综合交通调查项目,通过对滨海新区车牌识别数据的挖掘分析,从机动车保有量估计、车辆时空分布特征分析、车辆路径提取及区域过境车辆识别等多个方面进行了探索性的应用与实践.本文的研究成果对于交通决策者合理制定交通政策及措施具有一定重要意义.

摘要： 本文介绍了烟海高速车牌识别、车型分类改造项目的项目实施方案,包括项目概况、系统构成、系统方案及工程量清单,期望给类似项目以参考.

摘要： 促进城市交通出行由个体化向集约化发展转变,实现城市交通的可持续发展是深圳交通发展的战略方向,为实现上述目标,在持续推进交通基建的基础上,深圳同时采取“限购+限行”,路内停车收费等小汽车使用调控政策.本文通过车牌识别技术,对比分析2013年与2016年监测点小汽车出现频次,通勤特征车辆使用变化规律,分析不同区域政策实施差异导致的小汽车使用特征的差异性变化规律,指出相关政策的实施效果,并为深圳“公交都市”发展战略提出可行的实施路径.

摘要： 随着社会经济的不断发展和人们生活水平的日益提高,整个社会对交通运输的需求不断增大,智能交通技术的应用势在必行.通过对长沙市的车牌识别数据,从时空分布、车辆归属以及车辆使用特征等多个角度进行数据挖掘,分析出长沙市区路网的外地车辆分布和构成,反映出外地车的运行状态.利用新的技术手段分析出长沙市外地车交通出行的特征,对于交通决策者合理制定交通政策和措施给予一定的技术支持.

摘要： 随着道路交通路网快速发展,车辆的数量也在逐年增加,以智慧交通和智能交通为发展方向,交通行业也面临新一轮的改革.智能交通系统侧重于各类交通应用的信息化,其中车牌识别技术更是智能交通系统重要的组成.车辆牌照是车辆的关键标识,如何准确地识别车牌,对智能交通系统具有重要的意义.本文立足于当前车牌识别易受环境影响的问题,重点介绍车牌识别技术以及车牌识别算法,为其硬件实现起到理论支撑.

摘要： 车牌自动识别技术是以计算机技术、图像处理技术、模糊识别为基础,建立车辆的特征模型,识别车辆特征,如车牌号码、颜色等,并直接给出识别结果,使得车辆的电脑化监控和管理成为现实.本文通过分析玉门油田酒泉数字化小区远距离卡车禁系统运行的现状、出现的问题及原因,提出纯车牌识别的改造方案,能够解决当前出现的读卡慢、高峰期拥堵等问题,可以更好的发挥车禁系统作用,方便对油田数字化小区的车辆管理工作.

摘要： 早期车禁系统已运行多年,技术落后,车辆进出场速度慢、识别率低以及车卡管理困难等原因,导致其已无法适应小区数字化的管理要求,需进行升级改造来改变此现状.本文介绍目前技术比较成熟的车牌识别系统,以及该系统在油田住宅小区的技术升级应用、系统的组网和技术特点,阐述其实际应用的情况,总结该系统为数字化小区的科学管理发挥的作用.

摘要： 针对医院传统停车场运行效率不足,用户体验差等问题,设计一款以数据库服务器为核心,基于车牌识别技术、ZigBee无线技术与微信公众平台的停车场管理系统.系统采用车牌识别技术实现车辆高效进出,通过ZigBee无线传感网络采集停车场停车位、灯管等数据,借助GPRS模块传输数据,利用数据库服务器处理数据,并通过PC客户端和微信公众号平台监控数据,将停车场内数据共享.

摘要： 随着车辆用户数不断的增加,高速公路的交通拥堵情况越来越严重,电子不停车收费(ETC)系统成为了当前国际上最先进的路桥收费方式,本文提出了组合式不停车收费系统,基本达到不停车收费的设计需求,具有一定的社会效益.本文提出了适合我国实际情况的组合式收费技术方案，即:单片式电子标签、两片式电子标签加CPU卡以及在未安装电子标签的情况下，启动图像ETC车道的车辆进行车牌识别。但是由于时间和条件有限本文对不停车收费系统的研究仅识别技术限于理论层面，有待于进步的研究。

摘要： 我国经济正在高速发展,人们物质生活水平不断提高,根据相关数据统计,2015年株洲市个人汽车拥有量30.87万辆,比上年增长18.2％,株洲市的机动车驾驶员由2014年的78.5万人增加到2015年的87.1万人,增长11％.开车就医已成为普遍现象,加之各大医院规模不断扩大,医院职工数量也随之增加,这些原因导致进入医院的机动车辆不断增加,产生了医院内现有车位严重不足,车辆进、出医院排长队,车辆进院停车难等相关问题,而这些也已经成为开车就医患者和医院工作者的心结.同时部分车辆在院内和周边马路随意停放,这不但给就医及家属探视和医院工作人员造成不便,更对医院管理带来相应的安全隐患.

摘要： 本发明公开了一种车牌识别模型训练方法、车牌识别方法及装置，模型训练方法包括：构建双车牌车辆数据集和车牌数据集；基于双车牌车辆数据集训练yolov3－tiny网络模型；对yolov3－tiny的训练模型进行测试保留精度最高的yolov3－tiny网络模型权重；基于车牌数据集训练LPS/CR－NET网络模型，对LPS/CR－NET的训练模型进行网络测试，初步确定精度较好的几个网络模型权重；基于yolov3－tiny的双车牌检测结果和字符排序方法，计算各个初步确定的LPS/CR－NET网络模型权重下的双车牌识别正确率，保留正确率表现最高的LPS/CR－NET网络模型权重。为双车牌识别提供了一个快速、高效的车牌定位方法，有效提高了双车牌识别的精度。

摘要： 本发明提供一种车牌识别方法与车牌识别系统，包括：获取包含车牌的第一图像；通过第一检测模型检测出车牌大致位置，并裁剪出车牌图像；通过第二检测模型定位出所述车牌在车牌图像中的四个顶点坐标；以获得的顶点坐标作为原坐标点，以车牌被通过仿射变换成期望的平面视角下的四个顶点坐标作为变换点坐标，获取仿射变换的变换矩阵；根据所述变换矩阵将所述第一图像进行仿射变换，获得变换后的第二图像；最后通过第三检测模型识别出车牌信息。本发明基于车牌的坐标定位使用仿射变换的处理后，输入更易于进行车牌识别的车牌图片，提高车牌识别的准确率，避免车牌识别系统因为拍摄角度过于倾斜而无法正确识别车牌的问题。

摘要： 本发明公开了一种车牌识别模型的训练方法及装置、车牌识别方法及装置，该车牌识别模型的训练方法包括：获取车辆图像训练样本，车辆图像训练样本中包含具有车牌图像的正样本图像及不具有车牌图像的负样本图像；根据车辆图像训练样本提取第一目标训练特征；根据第一目标训练特征对第一深度学习网络模型进行训练，得到车牌识别模型；对车牌识别模型输出的车牌图像进行分割，得到目标训练字符；根据目标训练字符提取第二目标训练特征；根据第二目标训练特征对深度可分离卷积神经网络模型进行训练，得到深度可分离卷积车牌识别模型。本发明通过采用可分离卷积神经网络模型，可以实现空间信息和深度信息解耦合，减少网络参数量，提高训练准确率。

摘要： 发明公开了一种车牌识别方法、车牌识别装置、车牌识别系统及存储介质，属于交通技术领域，其技术要点是，包括以下步骤：步骤一，当车辆进入识别区域，控制器接收识别区域预设的压力传感器发送的电信号，识别车辆当前位置；步骤二，控制器根据车辆当前车速与车辆距离视觉采集器的距离，计算得到视觉驱动电机的转动角速度；步骤三，根据计算出的转动角速度使视觉采集器跟随车辆移动，对车牌号进行识别；步骤四，若成功识别车牌号，控制器驱动视觉驱动电机复位；若未成功识别车牌号，重复步骤一至步骤三，直到车辆驶离识别区域，可实现摄像头随车移动，提高车牌识别率。

摘要： 本发明公开了一种车牌识别方法、车牌识别装置、车牌识别设备及存储介质，在获取待检测车辆的车牌区域图后，将车牌区域图输入预先训练的第一分类模型，得到待检测车辆的遮挡污损识别结果；其中，遮挡污损识别结果为遮挡车牌或污损车牌或正常车牌；并将车牌区域图输入预先训练的字符识别模型，得到待检测车辆的字符识别结果；将字符识别结果中未识别到的字符用与遮挡污损识别结果对应的符号代替，得到待检测车辆的车牌识别结果并输出，该车牌识别结果不仅包含待检测车牌的车牌号码，还表明了待检测车辆的车牌是否存在遮挡或污损的情况，当车牌遮挡或车牌污损时，有助于对于车牌违章的具体情况进行具体处理，完善车牌违章监控流程。

摘要： 公开了一种车牌识别方法、车牌识别装置、车牌识别设备及介质。所述车牌识别方法包括：对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；对所述单行车牌类型的车牌图像进行识别，得到车牌号码。通过将多行车牌转换为单行车牌，可简单高效地实现对于多行车牌的识别。

摘要： 本发明公开了一种车牌识别方法、车牌识别系统及电子设备，车牌识别方法包括以下步骤：S1、获取具有车牌区域的车身图；S2、对获取的车身图进行矫正处理，得到矫正后的车牌区域图片，并将矫正后的车牌区域图片作为卷积神经网络的输入图片；S3、对车牌区域图片进行数据扩增，并形成数据库；S4、对数据库进行训练集和测试集划分，并根据训练集获取验证集；S5、通过卷积神经网络构建基于多任务的分类网络，对训练集进行训练，并通过验证集进行验证；S6、对测试集进行测试，获取车牌颜色类别和车牌类型类别。本发明的车牌识别方法，以一个算法的形式解决车牌颜色和车牌类型两个属性的识别，减少算法开发和维护的工作量，增加了算法的鲁棒性。

摘要： 本发明适用计算机技术领域，提供了一种车牌识别方法、装置、车牌识别设备及存储介质，该方法包括：采用训练好的特征提取网络对待识别车牌图像进行特征提取，得到待识别车牌图像在不同层次下的多个特征图；通过训练好的分类网络从多个特征图中的深层特征图中获取车牌的类别信息；通过训练好的回归网络从多个特征图中的深层特征图中获取车牌的顶点信息，并对顶点信息进行顶点调整；根据调整后的顶点信息从多个特征图中的浅层特征图中截取对应的车牌特征图，使用训练好的车牌识别网络对车牌特征图进行识别，以得到车牌号，从而通过训练好的回归网络从深层特征图中获取车牌的顶点信息，并对顶点信息进行调整，提高了多方向车牌识别的准确度。

摘要： 本发明提供一种车牌识别方法与车牌识别系统，包括：获取包含车牌的第一图像；通过第一检测模型检测出车牌大致位置，并裁剪出车牌图像；通过第二检测模型定位出所述车牌在车牌图像中的四个顶点坐标；以获得的顶点坐标作为原坐标点，以车牌被通过仿射变换成期望的平面视角下的四个顶点坐标作为变换点坐标，获取仿射变换的变换矩阵；根据所述变换矩阵将所述第一图像进行仿射变换，获得变换后的第二图像；最后通过第三检测模型识别出车牌信息。本发明基于车牌的坐标定位使用仿射变换的处理后，输入更易于进行车牌识别的车牌图片，提高车牌识别的准确率，避免车牌识别系统因为拍摄角度过于倾斜而无法正确识别车牌的问题。

摘要： 本申请公开了车牌识别模型生成方法、车牌识别方法及相关组件，包括：获取车牌图像，并进行预处理，以得到样本图像，车牌图像中的车牌为双层车牌；基于样本图像构建样本训练集，并利用样本训练集对基于预设全卷积网络和连接时序分类构建的空白模型进行训练，得到训练后的车牌识别模型；其中，预设全卷积网络用于对样本图像进行处理得到相应的二维特征图，将二维特征图切分为上下两个一维特征图，将两个一维特征图以串联方式进行拼接，得到拼接特征图；连接时序分类用于基于所述特征拼接图对所述空白模型进行优化训练。本申请利用基于预设全卷积网络和连接时序分类的车牌识别模型进行端到端识别，对各类双层车牌识别具有较高鲁棒性，提高识别效率。