基于彩色和黑白纹理的车牌快速定位方法

针对复杂背景下的车牌定位问题,提出了一种彩色和黑白纹理分析相结合的车牌定位算法。该算法依据RGB彩色空间中的车牌背景色,将彩色图像转换为能突出车牌颜色的灰度图,并进行颜色分割获得能突出车牌部分的黑白二值图;该算法对那些与车牌颜色接近的较大区域通过纹理特征的分析来滤除。测试表明,该定位方法不受光照等多种因素的影响,运算速度快,定位效果好,应用范围广。     

基于车牌特征颜色相似度的定位方法

汽车牌照定位是汽车车牌自动识别系统的一个关键环节。本文充分利用对车牌色彩的知识,针对复杂背景的车牌定位问题,提出一种基于车牌特征颜色相似度的定位方法。实验表明该方法不仅优于传统的灰度图算法而且能适用于不同的背景。     

基于特征颜色的车牌边缘检测方法

章重点介绍了基于汽车车牌图像边缘检测的定位算法和基于车牌特征颜色的分析方法。大量的实验结果表明，该方法充分利用了车牌的色彩特征，具有思路简明、实用的特点。     

基于固定颜色搭配搜索和形态学的车牌定位

汽车牌照定位是牌照识别系统中的关键技术之一.为了快速准确地对汽车牌照进行定位,提出了一种基于固定颜色搭配搜索的车牌定位新方法.该方法包括图像自适应预处理、固定颜色搭配搜索、形态学处理和车牌候选区域判断,以及最后的车牌底色识别等5个步骤.与传统的车牌定位方法相比,该方法不仅能够有效减少伪车牌区域的检验和能够判断出车牌的底色,而且可以有效地解决背景环境复杂及车牌底色和车身颜色相一致的车牌定位问题.试验结果表明,该方法具有算法简单、实时性强和定位精确高等优点.     

一种基于边缘颜色的彩色车牌定位算法

为解决车牌识别中车牌定位问题,根据车牌局域颜色变化、车牌宽高、车牌中字符数及车牌中字符颜色变化等特征,提出了基于边缘颜色的车牌定位算法;通过实验,证明了该算法能够有效地克服光线和天气变化的影响,具有很强的抗干扰性能、定位精度高达98.4%.     

基于场景分类及灰度跳变的车牌定位方法

车牌定位是自动车牌识别系统实现的关键。提出一种基于场景分类及灰度跳变的车牌定位算法。该算法对彩色图像进行场景分析,将图像分类为白天场景类或夜晚场景类。这两类场景的字符与背景的灰度跳变值不同,一般白天场景类的灰度跳变值较大,夜晚场景类的灰度跳变值较小。利用不同的灰度跳变值快速提取出几块车牌候选区域,对不同的场景用不同的方法最终选取一块区域。实验结果显示本文提出的方法对图像场景分类准确率达到98.2%,车牌定位的准确率达到98.5%。     

基于灰度投影的驾驶员图像眼睛定位

眼睛位置的快速准确定位是利用视觉方法对驾驶员的驾驶状态进行监测和预警的前提。采用一种基于灰度特征投影的方法进行眼睛位置的有效快速定位。在利用皮肤颜色YCrCb空间分布二维高斯模型可靠定位人脸区域的基础上，建立了进行眼睛位置检测的感兴趣区域，最后分别对灰度图像和二值化图像进行水平和垂直方向灰度投影确定眼睛位置。实验结果表明，该算法具有很好的可靠性和实时性，为后续驾驶员状态研究奠定了良好基础。     

结合相关模板匹配和改进的积分投影眼睛定位方法

对眼睛快速、准确的定位是对运动中的人脸进行实时识别的重要前提.提出了1种结合人脸特征、相关模板匹配和改进的积分投影的方法,实现了快速有效的眼睛定位.在图像预处理的基础上,结合最大类间方差阈值分割法的二值化处理、数学形态学的开运算、相关模板匹配以及改进的积分投影得出人脸区域,然后根据人脸特征间的几何关系,利用改进的积分投影及其统计数据的峰值位置确定眼球的中心位置.实验表明,该方法具有很好的定位效果,对不同角度、不同方向的倾斜人脸、脸部表情及姿势变化等具有很好的鲁棒性.     

复杂背景下的多车牌定位技术研究

针对竖直边缘检测的车牌定位方法在多车牌定位中的梯度分割阈值的问题,提出一种改进的阈值选取方法。即先将图像进行区域划分,然后采用区间梯度均值和Otsu阈值的平均值作为新的阈值来分割区域图像。该方法对车牌污染、车牌远近不一致等情况具有良好的适应性。同时,针对从车牌候选区域中去除伪车牌的问题,提出了利用新的主连通域分析的方法和颜色、宽高比等特征来从候选区域中正确提取多个车牌的方法。该方法能够较好地去除复杂背景下的类似于车牌背景的颜色伪车牌,以及和车牌字符有着相似纹理特征的伪车牌。测试结果表明,该方法车牌定位率超过97.3%,去除伪车牌后的车牌定准率超过88.5%,同时在时间上能够较好地满足实时路况中准确定位出车牌的需求。     

复杂背景下基于形态学的车牌识别系统

车牌识别(LPR)是智能交通系统中的一个重要研究课题。本文提出了一个在高速公路复杂背景下,基于形态学的车牌定位和识别系统,它包括图像垂直边缘检测,边缘密度图生成,图像二值化和膨胀,连通域分析,车牌定位,基于先验知识的车牌字符分割和车牌字符识别。在实验中,使用高速公路上采集的9825幅图像数据库来做测试,车牌定位率为98 1%,车牌识别率为89 2%。所以说,本系统具有很好的应用前景。     

Dynamic programming-based method for extraction of license plate numbers of speeding vehicles on the highway

In the last decade, vehicle identification systems have become a central element in many applications involving traffic law enforcement and security enhancement, such as locating stolen cars, automatic toll management, and access control to secure areas. As a method of vehicle identification, license plate recognition (LPR) systems play an important role and a number of such techniques have been proposed. In this paper, we describe a method for segmenting the main numeric characters on a license plate by introducing dynamic programming (DP) that optimizes the functionality describing the distribution of the intervals between characters, the alignment of the characters, and the threshold difference used to extract the character blobs. The proposed method functions very rapidly by applying the bottom-up approach of the DP algorithm and also robustly by minimizing the use of environment-dependent image features such as color and edges.     

盲图像质量评价在智能交通系统中的应用

针对交通系统图像的特点,构建了盲图像质量评价在智能交通系统中应用的框架。对于获取到的交通图像首先进行预处理（包括车身区域分割和车牌检测）,然后对影响交通图像质量的亮度、对比度及清晰度分别进行评价。对实际获取的图像利用算法进行了验证,实验结果表明,算法可以较好地对交通图像进行分类且评价结果与主观评价一致。     

基于主元分析的车牌图像倾斜校正新方法

为解决机动车牌图像倾斜将对其字符分割与识别带来不利的影响,提出一种基于主元分析(PCA)的车牌图像倾斜校正新方法。在该方法中,PCA被用于求取坐标变换矩阵以进行图像旋转修正。将原始的像素坐标矩阵经过中心化后转换为2维协方差矩阵,再奇值分解为能反映图像倾斜方向的2维对角矩阵和坐标变换矩阵。算法的时间复杂度分析与试验结果均表明:相对于Hough等搜索倾角的校正方法,PCA方法缩短了计算时间1￣2个数量级,并且在污迹、光照不均等条件下也能获得较好效果。     

License plate extraction method for identification of vehicle violations at a railway level crossing

The primary cause of most railroad accidents is vehicle entry into railway level crossings despite warning messages. To identify drivers who violate railway level crossing regulations, vehicle license plate recognition can be applied at railway level crossings. The purpose of this paper is to present an effective method for extracting the license plate region from vehicle images taken at railway level crossings. The method proposed in this paper uses the variation in the gray-level values across the image of a license plate. For license plate region extraction, the character region is first recognized by identifying the character width and the difference between the background region and the character region. The license plate region is then extracted by finding the inter-character distance in the plate region. In addition, the license plate type is identified by the difference in the gray-level value between the background region and the character region. The proposed method is effective in solving the current challenges in extracting the license plate region from the damaged frames of license plates issued for domestic use, including new types of license plates. According to the experimental results, the proposed method yields a high extraction rate of 99.5% for vehicle license plates.     

基于纹理特征和彩色特征的车牌定位算法

车牌定位是车牌自动识别系统的关键。提出了一种以纹理特征为主要手段，以彩色特征为辅助手段的多特征定位算法，对不同背景和光照条件下的各类车牌图像进行了实验，结果表明该算法是一种可行的方法。     

一种车牌定位算法的实现

车辆牌照的自动识别是智能交通系统中的一项重要技术,而车辆牌照的定位又是车牌识别的关键点之一。文章依据二值化图像中车牌区域跳变频率高的事实,提出一种算法来确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照。实验结果表明本算法处理速度较快、便于实现。     

License plate location method unaffected by variation in size and aspect ratio

License plate location is a challenging task that is necessary for automatic vehicle identification. This paper presents a new method for locating a license plate when its size and aspect ratio are highly variable. The proposed method begins with an assumption that a license plate exists in a region where dense edges are located. We define an edge region as an area containing rich edges. The edge regions are created by dilating vertical edges, and they are classified into one of four types: left fragment type, right fragment type, whole type, and undefined type. The candidates for a license plate region are constructed by merging edge regions. Knowing what type of edge region is being examined is useful in the merging process. Finally, we verify whether each candidate contains a license plate or not by using the character arrangement information. The arrangement pattern is determined by the size of connected components and by the vertical overlap or horizontal distance between two neighboring components. Experimental results show that the proposed method gives robust results regardless of any variation in the size and aspect ratio of license plates.     

基于卷积神经网络的双行车牌识别系统

目前,车牌识别发挥在众多应用程序和许多技术已经提出。但是,他们中的大多数可以仅适用于单行车牌。在实际应用程序方案,也有现有的许多多行车牌。传统方法需要对双行车牌的原始输入图像。这是一个非常复杂场景中的难题。为了解决这个问题,我们建议一个端到端的神经网络为两个单行和双行车牌识别。是的原始输入车牌图像的分段。我们查看这些整个图像作为一个单位在要素映射后直接深度卷积神经网络。大量的实验表明我们的方法是有效的。     

一种基于数学形态学的车牌图像边缘检测及提取算法

针对牌照字符目标与背景的差异性,提出1种基于数学形态学的牌照字符提取方法。该算法对输入图像进行相邻像素差分,保留纵向纹理;通过二值化和数学形态学处理,得到许多大小不同的连通域;计算各连通域的特征参数,利用牌照区域和背景区域对应的连通量的特征差别,实现有效抑制背景而保留牌照的目的。选择了1组有代表性的图像作为测试样本,验证了该算法的准确性和环境适应性。