车牌识别,车牌识别系统,车牌识别摄像机,车牌识别软件,车牌识别一体机,深圳车牌识别厂家,安视宝

状元彩票官网

| 在线留言| 收藏安视宝| 网站地图|联系安视宝

欢迎来到安视宝智能,车牌识别,车牌识别系统,定制中心

车牌识别,车牌识别系统,车牌识别摄像机,车牌识别一体机,车牌识别软件,车牌识别算法,车牌识别厂家,安视宝车牌识别摄像机定制厂家

咨询热线:400-600-7621

热搜关键词 :车牌识别照车牌摄像机照车牌网络摄像机车牌识别一体机车牌识别摄像机车牌识别系统车牌识别软件

车牌识别
当前位置:状元彩票官网 » 安视宝资讯中心 » 市场动态 » 智能交通管理利用车牌识别技术进行管理车牌号

智能交通管理利用车牌识别技术进行管理车牌号

文章出处:责任编辑:人气:-发表时间:2015-08-17【

  随着恐怖主义活动的日益猖獗,车牌识别技术(简称LPR)自动识别出车辆的唯一身份证(车牌号码),对黑车或犯罪活动进行有效进行打击管理,并与公安系统进行联动,将对大城市的公共场所将大力加强对出入车辆的监控重要意义是车辆管理的直观依据.LPR系统对车辆车牌的直接识别不需要被识别车辆主动参与,从而摆脱了依靠人工查看图片识读车牌号码.LPR技术使智能交通管理的技术水平跨上了一个新台阶,在降低人工劳动强度、提高管理效率、增加管理的客观性方面起到了巨大的推动作用,利用汽车作为主要载体的恐怖活动越来越多,对车辆管理尤其是被盗车辆监视是预防恐怖事件发生的重要手段。

  现阶段比较成熟的车牌定位方法有:基于图像的彩色信息法、基于纹理分析的方法、基于边缘检测的方法、基于数学形态学的方法、基于遗传算法的定位、基于神经网络定位等。

  l、基于边缘检测的方法

  车牌字符区域灰度频率变化是车牌区域最稳定的特征,所以可以利用它的变化来进行车牌定位,即首先对车辆图像进行边缘增强,边缘检测的算子很多,如Sobel算子、Roberts算子、Prewitt算子、Laplacian算子等。然后再对图像进行二值化,再利用水平扫描线或者投影法进行车牌区域的检测。对于车牌褪色和污染严重,有时会因为检测不到车辆牌照区域的字符边缘,导致定位的失败。

  2、基于纹理分析的方法

  在进行车牌定位以前,需要对图像进行预处理,增大图像的对比度。由于我国车牌有多种颜色格式,且受天气光照等影响,所以需要先将彩色图像转换为灰度图像。利用车牌区域的二维特性,将图像划分为若干小块,计算出每一小块特征量的值,判断哪些小块属于车牌区域,从而对车牌定位。但该方法应用于背景复杂的图像,容易将纹理丰富的部分也定位下来,因此纹理分析方法需和垂直投影法结合使用才能得到较好的结果。

  3、基于图像的彩色信息法

  彩色车牌图像进行车牌识别定位,一般不用RGB图像空间,而多用HSI图像空间来对车牌的颜色进行判定。HSI色彩空间是从人的视觉系统出发,用色调、色饱和度和亮度来描述色彩。车牌的牌照底色有蓝、黄、黑、白四种,定位车牌首先就是从图像中找出这4种颜色的区域,即确定各种牌底颜色在HSI空间中的各有关分量的闽值。利用颜色空间距离及相似度计算,进行图像颜色分割。如定位蓝色牌照用H作为阈值分割时,将图像中蓝色区域设为前景,其余区域设为背景黑色,将蓝色车牌显示突出。将图在垂直和水平方向上投影,得到相应的颜色曲线,大致呈正态分布的是经过低通滤波的垂直和水平灰度投影曲线,两竖线即为车牌的边界,从而分割出车牌位置。但是,在车牌区域颜色与附近区域颜色非常相近时,车牌的定位误差会有所增加。

  4、基于数学形态学的方法

  首先要把车牌图像转化成BMP文件,然后将图像灰度化,接着对图像进行中值滤波,下一步进行Sobel纵向边缘检测,即增强车牌纵向边缘,边缘检测后进行二值化处理。运用数学形态学的膨胀、区域填充和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、车牌长宽比和垂直投影综合分析,准确定位车牌区域。

  5、基于遗传算法的定位

  在达尔文进化论和孟德尔遗传变异理论基础上发展起来的一种随机搜索寻优算法,它通过模拟生物进化的形式,完成对某个目标函数的全局优化。车牌定位是寻找一个符合“车牌区域特征”最佳区域的过程,本质上就是从参量空间寻找最优定位参量的问题,而寻找参量空间的最优解正是遗传算法最擅长的,但是在实时系统中,车牌定位速度受遗传算法中迭代次数影响很大。

  6、基于神经网络定位

  多层前向神经网络是最流行、最成熟的人工神经网络。误差反向传播(BP)算法又是应用中首选的算法。BP车牌识别算法是由两部分组成:信息的正向传递与误差的反向传播。在正向传播的过程中,输入信息从输入层经隐含层逐层计算传向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层没有得到期望的输出,则计算输出层的误差变化值,然后反向传播,通过网络将误差信号沿原来的连接通路反向传播,修改各层神经元的权值直至达到期望的目标。样本图像的选择用什么样的样本来训练网络,网络就具备了认知该类样本的能力。所以对车牌和背景反复采样,并且注重不同条件下的各种图像,以实现网络的泛化。可根据车牌的长宽比、面积、纹理、颜色等特性找出牌照区域,该方法在复杂背景、不同光照下均有较好效果,但需要对各种可能出现的牌照和待识别的字符进行训练,计算量较大。


快赢彩票投注 快3官网投注平台 恒彩彩票投注 冠军彩票投注 快三投注 恒彩彩票计划 幸运快三 万发彩票注册 快三投注 万发彩票官网