耿庆田[1]2016年在《基于图像识别理论的智能交通系统关键技术研究》文中研究说明随着全球汽车数量的增加,智能交通系统(ITS)越来越成为解决现代交通问题的重要手段。智能交通系统涉及图像处理、智能识别、机器视觉等多学科交叉,其中以图像识别理论为基础的智能泊车技术、车牌识别技术以及车辆识别技术是智能交通系统中应用较广泛的关键技术。本文以图像识别技术在这叁个领域的应用为前提展开研究:1.提出了基于摄像机标定模型的智能泊车系统算法。该算法利用摄像机标定技术中小孔成像原理与泊车运动学模型相结合的图像实时处理方法,解决了智能泊车转向角度取值和智能泊车轨迹的计算问题。为提高泊车预测轨迹计算的精度,本文分别对泊车轨迹构成曲线的规划及摄像机标定模型进行深入研究。首先分析轨迹约束算法中涉及的变量及空间碰撞点,建立了智能泊车约束方程组,提出了多阶段弧线进退泊车轨迹算法;然后在充分研究张正友二维平面标定方法基础之上,在原有畸变模型中引入切向畸变系数,并给出初值优化算法,简化了求解过程,使标定精度及鲁棒性得到提高。通过使用定制实验车从采集帧率、轨迹精度两个方面进行了大量实验,实验数据表明本算法获得的轨迹精准度较高,系统运行稳定,画面播放流畅,实时性好。2.提出了基于分形维数和隐马尔科夫特征的车牌识别系统改进算法。在算法中将车牌识别分为叁个步骤进行研究。(1)在车牌图像预处理及二值化过程中,提出一种改进的自适应多级中值滤波器算法对图像进行去噪处理;随后提出一种基于改进差分盒分形维数的灰度图像二值化方法进行图像二值化。(2)在车牌定位、字符分割校正过程中,首先通过在传统的Sobel图像边缘检测算法中增加两个方向的模板,并对权重做出重新分配的基础上,提出了基于Sobel算子的车牌精确定位改进算法;随后通过对Radon变换的平移和缩放性进行改进,提出了基于Radon变换的字符校正改进算法;最后通过对垂直投影算法加入适当的参数进行改进,提出了基于垂直投影算法的车牌单字符分割改进算法。经过上述算法的优化处理,提高了车牌图像检测的精准度,使边缘细节更细腻、连续,定位更准确,同时保持字符原有的拓扑结构,减少字符的失真。(3)在字符识别过程中,本文提出了基于改进隐马尔科夫特征的车牌字符识别算法。该算法使用离散余弦变换实现光强数据到频率数据转换,并从条件属性集和个体子集两个角度计算差异矩阵,获得最佳阈值,从而得到精确特征值作为字符特征提取依据,结合多重分类器最终完成车牌字符识别。实验结果表明本文的算法具有较高的识别率,能够满足实际应用的需要。3.提出了基于BP神经网络与HOG特征提取相结合的车辆识别改进算法。该算法首先对车标识别和车型识别分别进行研究,然后将二者识别结果综合起来作为车辆识别的依据。(1)在车标识别算法中,提出了基于改进SIFT算子与BP神经网络相融合的车标识别算法。该方法利用车牌和车标相对位置关联关系,对车标位置进行定位,并采用非固定环数及增加权重系数的方法解决了传统SIFT特征描述子因维数过高而产生计算量及时间复杂度过大的问题,最后融合BP神经网络算法对提取的车标SIFT特征描述子进行识别。(2)在车型识别算法中,提出了基于改进的HOG特征与SVM分类器相结合的车型识别算法,根据车型确定轮廓特征,提取改进的HOG特征,采用SVM分类器进行训练,实现高效准确地车型识别。实验结果表明改进后的识别算法具有较高识别率,并且对光线、部分遮挡、噪声有较强的鲁棒性。上述几种算法在ITS有着广泛的应用前景,其智能泊车技术应用智能车辆导航领域,能够给驾驶员在安全驾驶方面提出适当建议。车牌识别和车辆识别技术可应用在交通监控和交通管理领域,实现车辆检测、车辆跟踪、交通流参数检测、事故检测等交通大数据信息获取,对提高道路通行能力,减少交通事故,合理调节路网的交通流分配具有重要意义。
张吉斌[2]2013年在《基于图像处理及支持向量机的车牌识别技术研究》文中认为随着我国城市化建设规模的扩大，主要大城市人口数量和机动车的保有量不断增加，导致各个大城市道路交通拥堵。ITS(Intelligent Transport System,智能交通系统)的兴起一定程度上缓解了日益严重的交通压力，促进了交通科学信息化、智能化、社会化的发展。车牌自动识别系统作为ITS的核心部分，在许多领域中得到了广泛的应用。完整的车牌识别系统包括车牌图像预处理、车牌定位、车牌字符分割、车牌字符识别四部分内容。论文对车牌识别系统的几个主要部分，包括车牌图像预处理、车牌定位、车牌字符识别叁部分进行了研究。(1)车牌图像预处理。图像预处理主要包括RGB(RedGreen Blue,红绿蓝)图像的灰度转换、非线性灰度拉伸、直方图规格化、二值化。经过预处理后的图像，降低了车牌图像背景的复杂度，为车牌识别提高了精度，节省了运算的时间和存储空间。(2)车牌定位。论文采用了一种基于顶帽变换和车牌形态学体态分析法相结合的车牌定位方法，顶帽变换后的车牌图像滤除了大部分背景，然后应用改进的多方向Sobel算子检测车牌区域，得到车牌候选区域，根据车牌自身的尺寸特征，利用形态学体态分析法对候选车牌区域滤波，滤波后的图像用4邻域连通彩色标记，最后用水平垂直扫描定位出车牌，仿真结果表明该定位方法是可行有效的。(3)车牌字符识别。对采集的车牌字符样本归一化处理，用粗网格提取字符的特征，通过遗传算法得到小样本下RBF(Radial Basis Function,径向基函数)核函数的最优化参数，并采用最优参数RBF核函数的SVM(Support Vector Machine,支持向量机)进行分类预测，有效的提高了字符的识别率。最后用MATLAB和LibSVM工具箱对论文给出的遗传算法优化SVM的车牌字符识别进行了验证实验，比较SVM和BP(Back Propagation,反向传播)神经网络的字符识别效果。
许利显[3]2008年在《车牌识别系统中关键技术的研究》文中研究表明汽车牌照识别(LPR)系统的研究与开发,是智能交通系统发展中的关键,在信息收集、车辆管理以及自动收费等领域有重要的现实意义。本文对LPR的几个重要环节进行了研究,主要内容如下:在车牌定位方面,研究了一种基于AdaBoost算法和矩形特征的定位方法。该方法首先利用大量的真假车牌样本图像及其边缘图像的矩形特征训练一系列的弱分类器,然后根据AdaBoost算法将弱分类器提升为强分类器,应用于车牌的实时定位。最后简单讨论了层迭AdaBoost网络。实验表明,该算法能够比较快速、有效地提取出车牌区域。在车牌的几何校正上,通过Hough变换检测车牌的倾斜角,结合图像的旋转、剪切变形等几何变换运算以及双线性插值法来实现对几何失真车牌的校正。在车牌字符的分割方面,采用了基于车牌结构的先验知识和投影特征的分割方法。对分割得到的单个字符中可能出现的笔画断裂等情况,分别采用了基于游程方向和细化的字符笔画提取方法,并对提取后的断裂笔画进行连接,实现对污损断裂字符的修复。本文主要对车牌识别系统中车牌定位、几何校正、字符分割以及字符的断裂笔画修复等四部分内容进行了研究,并实现了计算机软件的仿真,各部分均能得到有效的结果。
彭小军[4]2008年在《视频电子警察系统的设计与实现》文中研究说明随着经济、社会的发展,城市交通问题日益凸现,交通拥挤和交通事故频发,给国民经济、社会发展和人们的生产、生活造成了巨大损失。为此,人们提出了智能交通系统(ITS),以此来解决日益突出的交通问题。智能交通系统能够改善混乱的交通状况,减少拥堵,提高运输效率,并提供交通的安全性。作为ITS的重要组成部分,电子警察系统在规范驾驶人员行为、杜绝交通事故、提高交通执法水平及道路通行能力等方面起到了重要作用。目前,电子警察系统在沈阳交通智能管理系统中得到了普遍的应用,在提高城市道路交通管理、促进城市健康发展方面取得了很好的效果。但是,随着城市道路的建设和机动车保有量的增加,现有电子警察系统在应用中仍有很多问题亟待解决。本文针对电子警察系统在应用中存在的问题,在车辆检测及车牌定位方面提出了自己的解决方案。文中首先介绍了我们实际开发的电子警察系统及控制系统组成结构,本课题的侧重点在于解决前端采集的问题,提出了基于形心检测的车辆检测方法和用于进一步确认的车牌定位方法,在违章车辆视频检测方面,运用视频帧差算法,并结合差分图像中前景像素点数量等信息,实现对路口车辆闯红灯行为的检测,取得了较好的效果。在车牌定位方面,文中首先分析了车牌识别的发展和现状、车牌识别的意义和难点所在,车牌定位在车牌识别中的重要性,着重介绍了本文所采用的车牌定位算法的实现过程。本文所提出的电子警察系统方案,力求于解决适用于实际应用需求,并在实际应用中做了大量工作。通过长时间的交通路口实验及使用,本文所设计的视频电子警察系统取得了较好的实验结果,具有较高的实用价值。此外,本文对该方案的不足也作了探讨并提出了进一步的改进措施。
徐永胜[5]2007年在《智能交通系统中车牌识别与车型检测的研究》文中认为交通信息采集与处理是实现城市交通智能化的关键，是智能交通中各子系统实施的核心基础和重要前提，在交通规划和交通管理控制等方面具有广泛的应用前景。本文利用数字图像处理技术对智能交通中的交通参数检测进行了研究。基于图像识别技术的交通参数检测就是利用数字图像技术，获得被检测车道上车型、车速、车流量、车牌等交通参数，这些车辆信息为智能交通系统的应用提供了有力的保障。交通参数检测涉及面较广，本文仅从车牌识别、车型检测这两个方面对图像信息交通参数检测进行了研究。在车牌识别方面，首先采用边缘检测与行扫描相结合的方法，实现车牌快速准确定位；利用大津法获取最佳阈值实现车牌图像的二值化；同时采用Radon变换、边框去除、形态学处理等算法，实现了车牌精确定位，并从中分割出车牌字符；最后，采用网格法提取字符特征，用BP神经网络实现车牌字符的识别，从而得到车辆的牌照信息。在车型方面，采用自适应背景生成与更新算法，获取道路交通现场的背景，并采用减背景法实现车辆目标的检测；采用二值化、边缘检测、形态学处理来获得车辆外形特征；此外，考虑到受外界环境的影响以及传输干扰而造成的检测精度低，本文采用D—S证据理论来对多源图像数据进行融合处理，从而获得相对准确的车型参数。论文详细论述了本系统的设计思想、特点、各组成部分的构成和功能，完成了车牌识别与车型检测的软件设计，对设计中关键技术进行了详细的介绍。
王传琦[6]2004年在《智能交通系统中车牌定位方法的研究》文中进行了进一步梳理本论文是江苏省自然科学基金项目《智能交通系统(ITS)中车牌识别方法》研究内容的一部分。作为ITS研究重要组成部分之一的自动车牌识别是一个值得深入研究的课题。本论文针对自动车牌识别中的关键部分——车牌定位作了较为深入的研究,研究探讨了几种车牌定位方法,以期得到定位精度高、计算速度快的车牌定位方法。首先使用模糊阈值方法对车牌图像进行阈值分割,接着分析车牌区域的特征,利用这些特征构造出一个简单易行且能够充分表征车牌区域特征的适应度函数,然后利用擅长在给定参数空间寻找全局最优解的遗传算法来搜索车牌区域,实现车牌的自动定位。其次结合数学形态学和分形进行车牌定位。数学形态学对图像的特征提取和形状分析具有较强的功能。分形的主要研究工具是它的维数,分形维数定量描述了分形物体的形状和复杂性。先用形态学进行边缘检测,再利用分形学计算边缘图像中每点的分形维数,根据车牌区域的特征——车牌区域内的点的分形维数和最大,从而可以定位出车牌。然后利用小波算法对车牌进行定位。小波变换的基本思路是通过伸缩及平移将原始信号分解为一系列具用不同空间分辨率、不同频率特性和方向特性的子带信号,这些子带信号具有良好的时域和频域特性,这些特性可以用来表示原始信号的局部特征。本方法就是对车牌图像进行小波变换,然后对变换子图像进行类间方差分割,使得车牌区域的轮廓更为清晰,减少其它相似区域的干扰。再根据水平,垂直投影定位出车牌区域。最后本论文总结了上述各方法的优缺点,并概要介绍了车牌字符识别方法和系统构成及硬件实现。
梁栋[7]2002年在《智能交通系统中车牌定位的研究》文中研究说明随着社会经济的发展，交通拥挤和堵塞现象日趋严重，交通污染和事故越来越引起社会的普遍关注。这种情况下智能交通系统ITS应运而生，其核心技术是电子技术、信息技术、通信技术和系统工程。目前各国都在积极致力于本国ITS的研究和构架。 车牌作为汽车的标示具有唯一性，知道了车牌号，则车辆的所有信息，如车种、车主等便一目了然，如果能实时识别路网上所有正在运行的汽车车牌并将其汇总，可以为交通流诱导系统、交通控制和管理系统提供最详尽的信息，在大型停车场的管理系统、公共安全、交通管理及有关军事部门有着特别重要的实际运用价值，所以车牌自动识别系统成为智能交通系统中的一个研究热点，正日益受到人们的重视。 影响车牌自动识别系统识别精度的一个重要因素就是车牌区域定位的准确程度。这是因为由摄像机得到的原始图像尺寸较大，所需存储空间较大，又有众多的干扰区域存在，在图像中直接对车牌字符进行识别是十分困难的，如能准确定位车牌区域和切分字符，可以减少存储容量，避免干扰，进行准确的字符识别，从而提高整个识别系统的工作效率和识别精度。因此车牌区域定位分割的算法研究一直都是各国学者研究的热点问题。 本文通过对大量资料的搜集、整理，总结了近年来国内外在车牌定位分割领域的最新研究成果和最新进展，对车牌区域的各种固有特征和目前的车牌定位分割技术进行了系统的研究和探讨。在前人工作的基础上，首先研究了形状特性在车牌区域定位上的应用，提出了基于形状特性和反Hough变换的车牌区域定位算法，给出了车牌区域的形状特性在Hough空间的表现形式，详细论述了反Hough变换的原理及应用，并根据其原理在Hough空间滤除干扰，在图像空间重建车牌区域。此外针对倾斜车牌区域的定位分割问题，提出了基于灰度变化特性和方向场计算的定位算法，其中详细讨论了数学形态学算子在目标区域粗定位中的应用，重点介绍了方向场计算理论和实现方法，并将其应用于目标区域倾斜角度的检测，根据检测得到的结果进行了倾斜车牌区域的准确定位和校正，为后续的字符分割打下良好的基础。
杜晓刚[8]2013年在《车牌识别系统中牌照定位、倾斜校正及字符分割技术的研究》文中研究表明车牌识别技术是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别技术,是实现交通智能化管理的一项重要研究课题。车牌识别系统必须满足以下要求:鲁棒性，识别系统在任何情况下均能可靠正常地运行，且有较高的正确识别率；实时性，不论在汽车静止还是高速运行情况下，识别系统都能及时地给出准确的识别结果，达到实时识别。针对以往车牌识别系统算法的缺点和不足，本文通过对车牌识别系统中车牌定位、图像预处理、倾斜矫正、字符分割四个关键环节的深入分析研究,并在MATLAB环境下进行了仿真模拟。车牌的定位部分，本文提出一种快速准确的基于车牌RGB颜色空间特征和字符纹理特征的车牌定位算法。本文首先利用车牌区域颜色蓝色B分量实现初步定位车牌，由于车体本身可能是蓝色的，因此需结合车牌字符区域的纹理特征进一步实现精确定位。车牌图像的预处理部分，本文首先将得到的车牌定位图像进行了特殊的图像灰度化处理，然后采用了图像的减法运算，突出车牌的字符，去除车牌图像的背景噪声，最后利用Otsu法二值化图像，得到了较清晰且噪声少的车牌二值图。车牌倾斜校正部分，本文提出了一种快速有效的混合倾斜车牌校正方法。车牌字符分割部分，以往大多算法，存在抗干扰能力弱，适应性不高等缺点。针对此问题，本文提出了一种快速准确的基于字符连通域的车牌字符分割算法。
朱卫健[9]2006年在《实时车牌识别系统关键技术的研究》文中研究指明本论文针对实时车牌识别系统中的几个关键技术作了较为深入的研究,探讨了几种快速车牌定位方法,快速车牌倾斜度矫正算法,字符分割算法,BP神经网络在字符识别中的应用,最后介绍了实时车牌识别系统的软件开发。首先利用小波算法对车牌进行定位,用小波变换分解车牌图像,得到垂直高频分量,再使用小波去噪方法,去除无用噪声,利用去噪后的垂直高频分量重构图像,最后以此图像分割出车牌。同时也研究了一些边缘检测算法在车牌定位中的应用。重点提出了一种实时的车牌定位方法,并对以上几种方法进行了比较。对车牌倾斜度矫正做了深入的研究,提出了一种基于车牌特征的快速实用的矫正方法。其次研究了形态学在车牌识别中的应用,结合形态学对车牌进行了分割,研究了形态学对断裂字符的修复作用。然后研究了基于BP神经网络的车牌字符识别。最后介绍了实时车牌识别系统,车牌识别时间小于80ms,识别率达到90%以上。
彦楠[10]2008年在《车牌及车标识别若干技术研究》文中研究指明21世纪是智能化、信息化、计算化、网络化的世纪,在这个以数字计算为特征的世纪里,作为人工智能技术基础学科的模式识别技术,必将获得巨大的发展空间。车辆识别系统主要是由汽车牌照识别和汽车类型识别两大核心技术构成,它在智能交通领域中有着广泛的应用,同时也是计算机视觉、图像处理和模式识别等交叉学科研究的热门课题,因此对相关技术的研究正受到普遍关注。本文正是在这一背景下,对车辆识别技术进行了系统的研究。在车牌识别技术中,本文着重对车牌分类和字符切分等关键技术所涉及的难点进行了深入的研究。在车型识别技术中,与当前国内外学者侧重于研究车辆外形、大小的识别不同,本文主要侧重对汽车标志有效区域的精确定位进行研究。本文提出了一种根据车牌颜色区分民用车及特殊用途车辆的方法。本方法使用决策树C4.5算法和HSV空间色彩信息,利用车牌字符间隔的差异以及车牌颜色的不同等信息进行分类并实现基于颜色反馈的字符切分,达到在识别具体字符之前区分出民用车及特殊用途车辆并准确切分的目的,是车牌字符切分的关键环节及识别的良好辅助。在车牌识别的基础上,本文提出车标识别的解决方法,采用先粗后细的二次定位方法,减小了由于车灯、前排栅格等干扰带来的定位不准确因素,提高了车标的识别率。为了证明方法的有效性,在本文最后给出了实验结果。
参考文献：
[1]. 基于图像识别理论的智能交通系统关键技术研究[D]. 耿庆田. 吉林大学. 2016
[2]. 基于图像处理及支持向量机的车牌识别技术研究[D]. 张吉斌. 兰州交通大学. 2013
[3]. 车牌识别系统中关键技术的研究[D]. 许利显. 西北大学. 2008
[4]. 视频电子警察系统的设计与实现[D]. 彭小军. 中国科学院研究生院（沈阳计算技术研究所）. 2008
[5]. 智能交通系统中车牌识别与车型检测的研究[D]. 徐永胜. 兰州理工大学. 2007
[6]. 智能交通系统中车牌定位方法的研究[D]. 王传琦. 东南大学. 2004
[7]. 智能交通系统中车牌定位的研究[D]. 梁栋. 合肥工业大学. 2002
[8]. 车牌识别系统中牌照定位、倾斜校正及字符分割技术的研究[D]. 杜晓刚. 中北大学. 2013
[9]. 实时车牌识别系统关键技术的研究[D]. 朱卫健. 东南大学. 2006
[10]. 车牌及车标识别若干技术研究[D]. 彦楠. 北京邮电大学. 2008