车牌定位的一种神经网络方法

汽车牌照自动识别（LPR）是ITS中的一项关键技术。对实时采集的图像，能自动地提取车牌照信息，有利于快速、高效进行车辆监控和管理，真正实现交通管理的智能化。而车牌定位又是车牌识别的必要的先决条件，直接影响LPR的成功与否。针对国标GA36—1992，结合图像的边缘特征，给出了一种快速可行的车牌照定位方法，供同行们参考。     

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

蚁群算法在语音识别中的应用研究

提出了一种新的基于蚁群算法的语音识别中的动态时间规划方法——蚁群动态时间规划算法，并详细介绍了其基本原理、信息素更新规则，给出了系统流程图。经过理论分析与实验测试，证明了蚁群算法在这个系统中比传统的DTW算法更能提高识别率且更有效率。     

机动车号牌识别的技术与应用

机动车号牌识别主要涉及数字图像处理、计算机视觉、模式识别和人工智能等学科和领域,其工作流程主要是机动车触发、图像抓拍,号牌检测、定位、字符分割和识别等步骤。如今,机动车号牌识别作为现代智能交通重要的一部分,已成为各级交通管理部门十分关注的科研课题之一。特别在公安交通管理、街面治安防控、嫌疑机动车的跟踪定位等方面,发挥着不可替代的作用。     

基于单目视觉的轨道固定桩基准点测量方法

为了提高铁路线路固定桩基准点绝对坐标测量的效率, 提出了一种新的测量方法; 建立了无合作目标的单点测量模型, 采用单目相机采集激光靶标图像, 利用光饱和点重心法提取激光光斑中心; 研究了平面直线成像规律, 构造了基于正交直线的单应性矩阵求解方法, 并对图像进行透视畸变校正; 根据校正后的图像与靶标的几何相似关系, 计算了激光光斑与靶标的横、纵向偏差; 在室内环境下, 进行了靶标图片拍摄的正交试验, 计算与比较了横、纵向偏差。试验结果表明: 在激光光斑和靶标固定的条件下, 保持相机与靶标的距离不变, 改变相机角度拍摄图片, 经过透视变换校正后, 横、纵向偏差与期望偏差分别为0.082、0.254mm; 相机拍摄角度固定, 改变相机与靶标距离拍摄图片, 经过透视变换校正后, 横、纵向偏差与期望偏差分别为0.126、0.014mm; 在相机的角度、相机与靶标的距离都改变的情况下, 拍摄的图片经过透视变换校正后, 横、纵向偏差与期望偏差分别为0.329、0.064mm; 可见3组试验的横、纵向偏差与期望偏差的误差均小于0.5mm; 系统的水平距离测量误差范围为±1.52mm, 高程测量误差范围为±0.67mm, 根据轨道检查仪性能指标, 线路水平距离误差范围为±3.0mm, 高程误差范围为±2.5mm, 因此, 本文的测量方法精度满足轨道测量要求。水平距离测量误差完全由激光测距仪和倾角传感器决定, 而高程测量误差是由激光测距仪、倾角传感器与激光点和靶心的偏移量共同决定的。     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、车型识别、交通标志识别、短时交通流预测等智能交通领域中的应用和国内外研究现状,并将卷积神经网络算法与支持向量机、差分整合移动平均回归模型、卡尔曼滤波、误差反向传播神经网络、长短时记忆网络算法从优势、劣势和在智能交通领域的主要应用场景三方面进行了对比;分析了卷积神经网络在智能交通领域面临的鲁棒性不佳和实时性较差等问题,并从算法优化、并行计算层面和有监督学习到无监督学习方向研判了卷积神经网络的发展趋势。研究结果表明：卷积神经网络在视觉领域具有较强优势,在智能交通系统中主要应用于交通标志、车牌、车型识别、交通事件检测、交通状态预测;相比其他算法,卷积神经网络所提取的特征更加全面,有效地提高了识别准确度与速度,具有较大的应用价值;卷积神经网络未来将通过网络结构的优化、算法的改进、算力的提升以及基准数据集的增强,为智能交通带来新的突破。     

分块组合搜索的结构稀疏人脸识别模型

介绍一种新的稀疏表示人脸识别模型,在经典的稀疏表示分类模型基础上,利用数据字典的结构信息,考虑算法实现的可行性,提出了一种分块组合搜索的稀疏表示人脸识别模型,主要思想是将数据字典按类别自然分块,然后在数据块内进行组合搜索,再联合不同类别的组块,以寻找表示能力最强的组块。为验证模型的性能,使用结构贪婪算法实现分块组合搜索方法和其他的结构稀疏方法,并进行比较,实验显示分块组合搜索的人脸识别率高于其他结构稀疏方法,且此方法性能稳定,不受数据字典排列的影响。     

高速公路交通状态判别模型研究

为实时、有效地评价高速公路交通状态,根据道路交通参数与道路交通状态的关系,选取高速公路的平均行程速度、空间占有率评价指标,建立了基于变异系数权重的高速公路交通状态模糊评判模型。该模型利用指标分级标准数值的变异系数确定指标的权重,运用加权平均法将模型的输出结果最终化为具体的数值。实例分析说明,模型是可行且有效的,从而为高速公路交通状态的实时判别提供了理论基础。     

基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

基于属性识别理论的公路养护质量评价体系研究

通过对公路养护质量要求的分析,建立了公路养护质量综合评价的指标体系,利用层次分析法确定评价指标权重。基于属性识别理论,构建了公路养护质量的综合评价模型,最后结合工程实例对该模型进行了验证。结果表明,属性识别模型能够客观有效地评价公路养护质量。