摘要: 在車(chē)牌字符識(shí)別中,針對(duì)單一識(shí)別方法識(shí)別率不高的問(wèn)題,提出了應(yīng)用數(shù)據(jù)融合技術(shù),將不同的識(shí)別方法有機(jī)地結(jié)合起來(lái)構(gòu)成融合型識(shí)別系統(tǒng),有效地、綜合地提高整個(gè)系統(tǒng)的
車(chē)牌識(shí)別是智能交通系統(tǒng)的一個(gè)重要研究課題,存在巨大的市場(chǎng)需求。車(chē)牌識(shí)別系統(tǒng)分車(chē)輛圖像的獲取、車(chē)牌的定位與字符分割、車(chē)牌字符識(shí)別3大部分。對(duì)于車(chē)牌字符識(shí)別,目前最常用的方法是基于模板匹配的方法和基于神經(jīng)網(wǎng)
車(chē)牌識(shí)別是智能交通系統(tǒng)的一個(gè)重要研究課題,存在巨大的市場(chǎng)需求。車(chē)牌識(shí)別系統(tǒng)分車(chē)輛圖像的獲取、車(chē)牌的定位與字符分割、車(chē)牌字符識(shí)別3大部分。對(duì)于車(chē)牌字符識(shí)別,目前最常用的方法是基于模板匹配的方法和基于神經(jīng)網(wǎng)
一種車(chē)牌字符識(shí)別方法的設(shè)計(jì)實(shí)現(xiàn)
一種車(chē)牌字符識(shí)別方法的設(shè)計(jì)實(shí)現(xiàn)
摘 要:設(shè)計(jì)了根據(jù)車(chē)牌的彩色特征對(duì)車(chē)牌位置進(jìn)行粗定位,再利用車(chē)牌字符二值化特征來(lái)精確定位的雙重車(chē)牌定位方法。在中值濾波和二值化等預(yù)處理后,提取出車(chē)牌中的字母和數(shù)字字符并建立相應(yīng)的模板,通過(guò)字符歸一化在N
摘 要:設(shè)計(jì)了根據(jù)車(chē)牌的彩色特征對(duì)車(chē)牌位置進(jìn)行粗定位,再利用車(chē)牌字符二值化特征來(lái)精確定位的雙重車(chē)牌定位方法。在中值濾波和二值化等預(yù)處理后,提取出車(chē)牌中的字母和數(shù)字字符并建立相應(yīng)的模板,通過(guò)字符歸一化在N
摘 要:設(shè)計(jì)了根據(jù)車(chē)牌的彩色特征對(duì)車(chē)牌位置進(jìn)行粗定位,再利用車(chē)牌字符二值化特征來(lái)精確定位的雙重車(chē)牌定位方法。在中值濾波和二值化等預(yù)處理后,提取出車(chē)牌中的字母和數(shù)字字符并建立相應(yīng)的模板,通過(guò)字符歸一化在N
基于FPGA 的車(chē)牌字符識(shí)別方法的研究
采用支持向量機(jī)方法實(shí)現(xiàn)車(chē)牌字符識(shí)別。根據(jù)車(chē)牌字符排列特征,構(gòu)造了漢字、數(shù)字、字母、數(shù)字+字母4個(gè)最佳分類(lèi)器,通過(guò)車(chē)牌字符的序號(hào)對(duì)每個(gè)字符進(jìn)行對(duì)應(yīng)識(shí)別,再將識(shí)別結(jié)果組合得到車(chē)牌號(hào)碼。實(shí)驗(yàn)結(jié)果表明該方法具有較高的車(chē)牌字符整體識(shí)別率,達(dá)到了98.33%,識(shí)別時(shí)間僅為15ms,能夠滿足實(shí)際應(yīng)用。