一种基于模板匹配的汽车牌照识别方法

受天气、光线等因素的影响，易造成车牌图像灰度不均匀，在车牌图像上部产生阴影，章提出了一种消除阴影的预处理方法。即采用模板匹配完成字符识别，设计字符提取算法，使字符提取和识别同时进行，避免了字符的单独分割。针对一些易混淆的字符，构建神经网络，提高字符的识别率。测试结果证实了本方法的有效性。     

一种基于字符复原的车牌识别方法

提出了一种基于字符复原的噪声车牌的识别方法。通过对二值化后的车牌字符进行复原，使字符接近标准模式，便于后续的识别。复原中利用离散Hopfield网络的联想记忆能力，存储车牌字符的标准模式，通过对标准模式进行Schimidt正交化，利用Hebb规则学习权值矩阵，提高了网络的联想记忆能力。对复原前后一批样本进行试验，结果显示复原后能明显提高车牌的识别率。     

基于计算机测控的汽车ABS台架试验系统的研制

针对目前教学和科研用ABS试验台存在的不足,根据机电混合模拟理论[1,2],分析建立了汽车运动惯量和道路制动力台架电模拟数学模型,以Labview软件为平台,运用动态链接库技术,设计了新型ABS试验台。该试验台可对被测车辆的运动惯量、附着系数进行在线调整,模拟精确,操作方便。     

基于GSOM神经网络模型的交通行为模式学习方法研究

提出了一种用于基于视频的交通事件自动检测的交通行为模式学习方法。首先为了获取利用神经网络进行车辆行为模式学习所需的训练数据,一种基于运动估算的车辆跟踪算法被建立,将采集到的灰度视频图像序列转化为车辆标号场时空序列。其次,使用轨迹建模和编码的方法,将跟踪结果转化为轨迹数据用于网络训练。在此基础上,建立自组织神经网络,并针对自组织网络的不足使用改进的GSOM模型,选择欧氏范数作为测度,自主开发了试验软件,以U形转事件为对象开展试验,对轨迹数据进行学习。对比试验结果表明改进的GSOM算法能有效提取行为模式。GSOM相比SOM用于行为模式学习更为有效和准确。     

车辆运动模糊图像复原方法

介绍了1种运动模糊图像复原方法,使用维纳滤波进行图像复原,采用误差-参数分析法估计点扩展函数参数,基于概率统计的方法估计噪声参数,并对振铃效应进行处理.实验结果表明,这一方法能够有效地实现模糊图像复原,且对噪声具有较好的鲁棒性.     

基于运动矢量的车辆实时跟踪系统

建立了基于摄像机、图像采集卡及计算机的车辆跟踪硬件系统.研究了基于运动矢量的车辆跟踪算法.作者首先进行背景初始化,然后,利用背景差法和检测线法对通过目标交通场景的车辆进行检测,进而根据三步法计算车辆的运动矢量,并进行车辆位置的更新和遮挡处理,实现了车辆的实时跟踪.     

一种组合式高速公路交通事件检测算法

传统的高速公路事件检测算法原理简单、容易实现,但很难达到高检测率和低误报率的效果。国内外学者越来越偏向于研究复杂算法,虽在理论上取得了较好的效果,但因数据传输量大、数据处理繁琐、对设备要求高等特征,降低了这些算法的实用性。因此,如何构建适合现状高速公路检测设备和软件系统,且具有良好检测效果的实用性算法,成为目前高速公路事件检测技术的热点话题。文中基于降低硬件成本和运行费用、提高检测效果这一目标,利用不同情况下各自算法特征值的变化规律,提供了一种基于California算法和滤波算法的组合算法。仿真研究表明,与单独应用California算法或滤波算法相比,这一组合算法在软硬件费用不增加的情况下,具有较高的检测率,且能有效降低误报率。     

基于投影二分法的车牌字符分割方法

在车牌字符分割中,传统的投影法对车牌图像质量的要求较高,受噪声影响较大,易造成分割字符的粘连与断裂,在一定程度上影响了车牌的识别率.针对传统投影法的不足,文章提出了一种基于投影二分法的字符分割算法,该方法能快速有效地把车牌字符准确地提取出来.实验结果表明,该方法抗干扰能力强,能有效地抑制字符的粘连,减少字符的断裂,车牌识别准确率高.     

基于Hough变换的车牌倾斜检测算法

典型的角度检测算法是进行Hough变换后寻找最长直线的倾斜角度．一般情况下，待处理图象中未必有明显的较长直线．甚至存在一些对图像进行正确检测的长直线干扰。章介绍了一种基于统计考虑的数据分析思路，以期在基于Hough变换的角度检测算法上取得更高的准确性。     

基于Labview的车辆跟踪系统

针对目前城市中交叉口智能化管理的迫切需求．设计了一种基于Labview的车辆跟踪系统。选用Labview非配套的图像采集卡，使用动态链接库技术开发了驱动程序，实现了视频采集。在此基础上，使用动态图像处理技术中的二维运动估计技术，结合背景更新模型提出了一种车辆跟踪算法。对采集的交通视频图像进行了多组试验．试验结果表明，该车辆跟踪算法的跟踪成功率可达90％～95％。