车牌定位
车牌定位的相关文献在1998年到2022年内共计1185篇,主要集中在自动化技术、计算机技术、公路运输、无线电电子学、电信技术
等领域,其中期刊论文911篇、会议论文53篇、专利文献378271篇;相关期刊376种,包括电视技术、现代电子技术、电脑知识与技术等;
相关会议46种,包括2015全国理论计算机科学学术年会、浙江省信号处理学会2014学术年会、贵州省系统工程学会第五届学术年会等;车牌定位的相关文献由2314位作者贡献,包括王枚、肖刚、高飞等。
车牌定位—发文量
专利文献>
论文:378271篇
占比:99.75%
总计:379235篇
车牌定位
-研究学者
- 王枚
- 肖刚
- 高飞
- 王国宏
- 卢书芳
- 唐健
- 张元鸣
- 潘保昌
- 赵全友
- 郑胜林
- 刘广起
- 刘庆祥
- 张晓波
- 张波
- 曾致远
- 李波
- 潘国华
- 王庆
- 王林
- 白艳萍
- 罗山
- 胡红萍
- 邓运生
- 陈虹
- 丁晓青
- 付炜
- 傅慧源
- 冯欣
- 刘伟
- 刘立
- 吴伟华
- 周建中
- 周泽华
- 孙季丰
- 尚赵伟
- 廖振生
- 曹陆军
- 李宇成
- 李昕
- 李锐
- 林翠翠
- 梁久祯
- 毛家发
- 汪敏倩
- 熊璋
- 王洪元
- 秦实宏
- 管庶安
- 蒋欣荣
- 蔡益超
-
-
赵洋;
闵升锋;
李大舟
-
-
摘要:
车牌识别系统中的一个关键性技术是车牌定位,其准确性直接影响后面的车牌字符分割和识别的效果.当背景与车牌区域颜色相似时,在颜色车牌定位算法中不能正确定位出车牌.针对上述问题,提出一种基于HSV空间颜色和纹理特征的车牌定位算法.该算法首先通过HSV空间变换,使颜色空间具有独立性,从而分割出不同颜色区域;其次,通过车牌区域字符集中且边缘信息丰富的特点,设置字符与字符边缘之间的梯度跳变次数的阈值,在复杂的背景下判断待测试区域是否为车牌区域;最后,通过二值化直方图投影法定位并分割出车牌区域,建立BP神经网络训练识别车牌字符来验证算法的有效性.实验结果表明:该方法能够在颜色相似和背景复杂的情况下正确定位车牌区域,在相同的条件下对比其他定位算法,其识别率达95.06%.
-
-
高艳;
刘海峰
-
-
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。
-
-
周蒙疆;
王明轩;
云科兴
-
-
摘要:
在经济高速发展时代背景下,机动车普及量和总数量的高速提升对公路交通事业提出了更高的要求,如何能够在复杂环境中快速识别车牌信息成为了人们需要解决的问题。为了有效解决在复杂环境下,快速定位车牌位置,以及因为受到环境或其他因素干扰而造成的车牌模糊、反光、倾斜等情况造成识别不准的问题,本文采用YOLOv5算法进行车牌定位,通过高斯滤波解决车牌因为反光造成部分区域过曝导致字符识别时可用信息受损,以及基于透视变换对于倾斜车牌进行矫正,然后采用铅直投影法进行车牌干扰信息的去除以及字符分割,最后,使用CNN对于分割好的字符进行识别。通过在现实情况的实验结果表明,本文所提方法能够快速定位车牌位置,并能够在车牌受到复杂因素干扰时准确识别车牌信息。
-
-
张松兰
-
-
摘要:
以车牌识别系统为研究对象,借助MATLAB平台设计了一种车牌识别系统,先对原始车牌进行边缘检测和形态学处理得到预处理的车牌定位,然后经过滤波和扫描图像统计像素点完成对定位的车牌的分割,最后利用模板匹配得到车牌的字符识别实现车牌的准确识别。
-
-
张琦;
崔琳;
王超
-
-
摘要:
随着中国汽车数量的增加,市场上大规模车辆管理的复杂性也在增加。在采矿、建材运输等相对复杂的环境中,车辆的精细化管理变得更加困难,车牌识别技术在车辆管理中发挥着重要作用。传统车牌识别算法主要基于以下三个步骤:利用像素信息确定车牌的位置,将车牌标记从位置中分离出来,在定位的基础上进一步识别单个字符;这种方法可以处理生活中相对简单的车牌识别场景,但针对复杂的场景如矿山车辆、大部分车牌被灰尘覆盖、车牌变形等,传统车牌识别算法很难表现出很强的鲁棒性,并且经常识别错误。与传统的车牌检测方法相比,文章基于YOLOv5和LPRnet识别方法,利用几何校正原理改进算法,对车辆外观和车牌进行识别,实验结果充分体现了基于YOLOv5和LPRnet识别方法在复杂环境中精细化识别车辆的优势,车牌的综合识别率提高至95%。
-
-
孙鹏;
李赛;
寇鹏;
朱佳俊;
韩喜瑞;
张天奕
-
-
摘要:
自动车牌识别技术在智能交通系统中发挥着重要作用,针对智能手持设备拍照分辨率低、角度不定等问题,设计和优化了车牌识别中的步骤,包括:(1)基于形态学的车牌定位;(2)基于边缘检测的车牌倾斜校正;(3)基于人工神经网络的车牌字符分割与识别等步骤。对手机拍摄的车牌照片进行实验,所提出的算法利用神经网络匹配识别精度达到95.2%,平均运行时间为2.015 s,无论识别精度还是时间都能够达到应用需求。
-
-
谢杰;
陈政;
傅建军
-
-
摘要:
针对基于边缘检测的车牌定位算法易受天气、污泥等复杂背景干扰的问题,采用边缘检测与形态学相结合的方式,提出了一种车牌定位算法,提高了车牌定位的准确度。FPGA器件具有灵活扩展、便于移植的特点,基于FPGA器件,采用流水线技术与并行策略,实现了车牌定位系统,提高了系统的定位速度。实验结果显示,系统定位准确率可以达到98.9%,且每一张车牌定位的时间为1.2 ms,具有实用性。
-
-
王明吉;
刘博;
陈秋梦;
王殿举
-
-
摘要:
为解决目前市场上车牌识别设备的高时延以及对高性能处理器高依赖性的问题,提出了一种基于yolov3的车牌定位识别方法,实现对车辆的车牌进行自动定位与识别。该方法通过收集5000张车辆图像数据,打包为VOC数据集,使用LabelImg工具对图像进行标注,并构建13个卷积层的yolo模型,在loss曲线趋于稳定之后,完成模型的训练,最终使用已训练的模型对车辆图像数据进行车牌识别。实验表明:在1000个测试数据中,该方法识别率达97.5%,平均耗时18.19 ms,能够快速精准的对车辆进行车牌识别。
-
-
王青苗;
雷赐涛;
王富强
-
-
摘要:
随着城市道路中机动车辆数量逐年增加,拥挤的交通随处可见,如何去规范并引导车辆,首要是对车辆进行识别,对于车辆的识别重点是在于对于车牌的识别,本文在分析目前车牌识别技术方法的基础上,对车牌定位模块和字符分割模块进行了探讨,在车牌定位方式中,先归纳了车牌的纹理特征,提出了基于粗定位和精确定位的车牌定位方法,并采用基于k-means的车牌字符分割法对车牌处理。
-
-
孙卓婷;
王福龙
-
-
摘要:
不同类型车辆的车牌形状、大小及颜色有所不同。为对不同拍摄视角、尺度、背景、光照强度及各种形式遮挡下的各型车牌进行准确检测,提出一种基于SURF算法的多阶段车牌定位模型。该模型考虑车牌丰富的纹理和结构信息,借助SURF特征矩阵的行协方差系数分布定义车牌候选区域的特征,从而得到多个差异明显的分块区域;同时提出一个新的四维特征描述符精准提取车牌候选区域,并基于Hessian矩阵对车牌字符结构特征的度量实现对车牌区域的判别。通过在CCPD数据集上进行测试,发现该模型不需要任何受控条件或环境参数设置,具有定位变形、模糊、污损以及光照变化情况下车牌的能力。
-
-
Wang Qin-min;
王钦民;
Li Kuan;
李宽;
Yang Can-qun;
杨灿群
- 《2015全国理论计算机科学学术年会》
| 2015年
-
摘要:
为解决类似车牌和失真车牌的定位难题,提出一种基于分类器投票的车牌定位方法.方法从两个方面提升车牌定位精度;首先,针对类似车牌和失真车牌的图像特点,提出两种新的车牌图像描述子,针对性地提升两类车牌的定位效果;其次,使用多种描述子分别训练SVM分类器,采用分类器投票融合的方式决定最终分类结果,进一步提升定位准确度.实验结果证明:1、相比传统的小波和LBP车牌图像描述子,有效地提高了失真车牌的定位精度,降低了类似车牌的识别错误率.2、构建的投票融合分类器方法使车牌图像的分类错误率从单个描述子最优的3.05%下降到了08%.
-
-
冯夫健;
王林
- 《2014贵州省应用统计学术研讨会》
| 2014年
-
摘要:
车牌自动识别一般包括车牌定位、字符分割、字符识别三个部分.但由于图像背景复杂,车辆种类繁多,以及受光照的影响,车牌准确的定位难度很大.针对上述问题.本文提出了一种二值图和纹理方向图相结合的车牌定位方法,该方法不同于大多数车牌定位方法,根据车牌丰富的纹理信息,引用纹理方向场的方法获得方向图,并且采用改进的区域标记法准确地定位车牌,通过大量的实验表明,此种方法可以应用到较复杂的场景中,并且定位效果较好。
-
-
杨恒;
杨文帮;
张儒良;
王林
- 《贵州省系统工程学会第五届学术年会》
| 2014年
-
摘要:
车牌定位技术是车牌自动识别系统中的难点与关键,本文提出一种基于视频分析的快速车牌定位方法,拟在构造的虚拟线圈内,对进入该区域的运动目标先用边缘检测算子进行边缘提取.然后将其二值化并去噪.最后,再分析运动目标的直方图与竖直投影的基础上进行区域标记,并提出一种新的检测方法定位车牌字符区域,从而快速定位车牌.实验结果表明该方法具有很好的鲁棒性和实时性.
-
-
-
-
-
-
-
李柏融;
林義凱;
潘俊龍
- 《2016电脑资讯与多媒体应用研讨会》
| 2016年
-
摘要:
近年来车牌识别技术作为智能交通系统的重要部分之一,主要是因为车辆数量不断上升再加上违法交通规则的人很多,为了要处罚违规的人,这时候就需要依靠车牌辨识.现在车牌识别主要应用在于高速公路、停车场车辆管理、违法车辆监控等等.在车牌识别过程一般可以分为车牌定位、车牌切割和字符识别三个部分.在车牌定位是从一个复杂环境中找到车牌大置上的位置,然后做为车牌识别过程第一步骤,因为车牌定位的结果会影响到整个系统的效能,常见的车牌辨识采用LBP特征、AdaBoost演算法和分层侦测器(cascade detector)的方法下去做车牌定位位置.而我们的方法不同地方在于使用SVM来辨识LBP特征本篇论文提出一种基于LBP(Local Binary Patterns)与SVM(Support Vector Machine)做车牌定位方法,首先采用LBP算子进行提取局部纹理特征,之后再透过SVM判断候选区域是否有车牌.
-