基于Opencv的汽車車牌識別 - 全文

在我國汽車工業迅猛發展的今天，汽車保有量的逐年大幅增加，對傳統的車輛管理和交通運行方式面臨著巨大的壓力和挑戰。為了解決上述問題，車輛牌照自動識別技術(AVI)應運而生，并發展成為現代智能交通系統中的重要組成部分之一。它以計算機視覺處理、數字圖像處理、模式識別等技術為基礎，對攝像機所拍攝的車輛圖像或者視頻圖像進行處理分析，得到每輛車的車牌號碼，從而完成識別過程。通過一些后續處理技術其可以實現停車場出入口收費管理、盜搶車輛管理、高速公路超速自動化管理、闖紅燈電子警察、公路收費管理等等功能。對于維護交通安全和城市治安，防止交通堵塞，實現交通全自動化管理有著現實的意義。

1框架流程

2、平滑處理

車牌定位的第一步為圖像預處理。為了方便計算，系統通常將獲取的圖片灰度化。將彩色圖像轉化成為灰度圖像的過程就稱為圖像的灰度化處理。彩色圖像中R、G、B三個分量的值決定了具體的像素點。一個像素點可以有上千萬種顏色。而灰度圖像是一種彩色圖像，但是它的特點在于R、G、B三個分量具體的值是一致的。灰度圖中每個像素點的變化區間是0到255，由于方便計算，所以在實際工程處理中會先將各種格式的圖像轉變成灰度圖像。在保留圖像輪廓和特征的基礎上，灰度圖仍然能夠反映整幅圖像輪廓和紋理。在Opencv里面有實現圖像灰度化的接口。調用OpenCV中的cvSmooth函數進行中值濾波處理，以去除細小毛刺。

3、二值化

局部自適應二值化是針對灰度圖像中的每一個像素逐點進行閾值計算，它的閾值是由像素周圍點局部灰度特性和像素灰度值來確定的。局部閾值法是逐個計算圖像的每個像素灰度級，保存了圖像的細節信息，非均勻光照條件等情況雖然影響整個圖像的灰度分布缺不影響局部的圖像性質，但也存在缺點和問題，相比全局閾值法來說，它的計算時間較長，但適用于多變的環境。
設圖像在像素點(x,y)處的灰度值為f(x,y)，考慮以像素點(x,y)為中心的(2w+1)*(2w+1)窗口（w為窗口寬度），則局部自適應二值化算法可以描述如下：
a.計算圖像中各點(x,y)的閾值w(x,y)
W(x,y)=0.5*(max f(x+m,y+n)+min f(x+m,y+n))
b.如果f(x,y)>w(x,y)，則二值化結果為1，代表字符區域的目標點；否則二值化結果為0，代表背景區域的目標點。

4、車牌定位

?
?
Canny邊緣檢測算子的方向性質保證了很好的邊緣強度估計，而且能同時產生邊緣梯度方向和強度兩個信息，即能在一定程度上抗噪聲又能保持弱邊緣，因此采用以canny算子做邊緣檢測。

Canny算法步驟：

(1)去噪
任何邊緣檢測算法都不可能在未經處理的原始數據上很好地處理，所以第一步是對原始數據與高斯 mask 作卷積，得到的圖像與原始圖像相比有些輕微的模糊（blurred）。這樣，單獨的一個像素雜訊在經過高斯平滑的圖像上變得幾乎沒有影響。
(2)用一階偏導的有限差分來計算梯度的幅值和方向。
(3)對梯度幅值進行非極大值抑制。
僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點，而抑制非極大值。
非極大值抑制產生的二值灰度矩陣的潛在點中按照高閾值尋找邊緣，并以所找到的點為中心尋找鄰域內滿足低閾值的點，從而形成一個閉合的輪廓。然后對于不滿足條件的點直接刪除掉。

行掃描定位

車牌細定位的目的是為下一步字符的分割做，就是要進一步去掉車牌冗余的部分。在一幅經過適當二值化處理含有車牌的圖像中，車牌區域具有以下三個基本特征：
1.在一個不大的區域內密集包含有多個字符；
2.車牌字符與車牌底色形成強烈對比；
3.車牌區域大小相對固定，區域長度和寬度成固定比例。
根據以上特征，車牌區域所在行相鄰像素之間0 到1和1到0 的的變化會很頻繁，變化總數會大于一個臨界值，這可以作為尋找車牌區域的一個依據。因此根據跳變次數與設定的閾值比較，就可以確定出車牌的水平區域。
由于車牌一般懸掛在車輛下部，所以采用從上到下，從左到右的方式對圖像進行掃描。車牌的字符部分由7個字符數與兩個豎直邊框組成，則車牌區域內任一行的跳變次數至少為(7+2)*2=18次。從圖像的底部開始向頂部進行掃描，則第一組連續數行且每行的跳變次數都大于跳變閾值，同時滿足連續行數大于某個閾值。
在車牌的水平區域中，最高行與最低行的差值即為車牌在圖像中的高度。我國車牌區域為矩形，寬高比約為3.14，取3.14*H作為車牌的寬度。在水平區域內選擇任意一行，用L長的窗口由左至右移動，統計窗口中相鄰像素0,1的跳變次數并存入數組中。若窗口移動到車牌的垂直區域時，窗口內的跳變次數應該最大。因此在數組中找到最大值，其對應的區域即為車牌的垂直區域。

5、模板匹配

?
基于BP神經網絡的字符識別
車牌字符識別是字符識別的重要組成部分。車牌字符識別的最終目的就是將圖像中的車牌字符轉化成文本字符，車牌字符的識別屬于印刷體識別范疇。
字符識別的基本思想是匹配判別。抽取待識別字符特征按照字符識別的原理和預先存儲在計算機中的標準字符模式表達形式的集合逐一進行匹配，找出最接近輸入字符模式的表達形式，該表達形式對應的字就是識別結果。字符識別的原理如下：

根據我國的車牌牌照標準，車牌第一位字符一般為漢字，車牌第二位英文大寫字母，第三位至第七位為英文大寫字母或數字。考慮到神經網絡對小類別字符集有較高的識別率，因此在車牌字符識別系統中，分別設計三個神經網絡：漢字網絡、字母網絡、字母數字網絡實現對字符的分類識別。

以字母0為例，提取字符特征的步驟為：將分割好的圖片再分割成8*4的特征向量，形成一個32維的向量。最終字符特征提取的結果如下：

最終效果：

?
主要函數代碼：

圖像的預處理，加載圖像、并灰度化、高斯濾波
[cpp] view plain copy
void CMyDialog::OnLoadimage() ??
{ ?
????// TODO: Add your control notification handler code here ?
????src = NULL ; ?
????CString filePath; ?
????CFileDialog dlg(TRUE, _T("*.bmp"),"",OFN_FILEMUSTEXIST|OFN_PATHMUSTEXIST|OFN_HIDEREADONLY,"image files (*.bmp; *.jpg) |*.bmp;*.jpg|All Files (*.*)|*.*||",NULL); ?
????char title[]= {"Open Image"}; ?
????dlg.m_ofn.lpstrTitle= title; ?
????if (dlg.DoModal() == IDOK) { ?
????????filePath= dlg.GetPathName(); ?
????????src=cvLoadImage(filePath); ?
????????DrawPicToHDC(src,IDC_IMAGESRC); ?
????} ????
????pImgCanny=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1); ?
??????
????cvCvtColor(src,pImgCanny,CV_RGB2GRAY); ?
????cvSmooth(pImgCanny,pImgCanny,CV_GAUSSIAN,3,0,0); ??//平滑高斯濾波 ?濾波后的圖片保存在 pImgCanny ?????????????
} ?
?
自適應閾值法定義閾值
[cpp] view plain copy
int CMyDialog::AdaptiveThreshold(int t, IplImage *Image) ?
{ ?
????int t1=0,t2=0,tnew=0,i=0,j=0; ?
????int Allt1=0,Allt2=0,accountt1=0,accountt2=0; ?
????for(j=0;jheight;j++) //根據現有t，將圖像分為兩部分，分別求兩部分像素的平均值t1、t2 ?
????{ ????
????????for(i=0;iwidth;i++) ?
????????{ ?
????????????if(CV_IMAGE_ELEM(Image,uchar,j,i) ????????????{ ?
????????????????Allt1+=CV_IMAGE_ELEM(Image,uchar,j,i); ?
????????????????accountt1++; ?
????????????} ?
????????????else ??
????????????{ ?
????????????????Allt2+=CV_IMAGE_ELEM(Image,uchar,j,i); ?
????????????????accountt2++; ?
????????????} ?
????????} ?
????} ?
????t1=Allt1/accountt1; ?
????t2=Allt2/accountt2; ?
????tnew=0.5*(t1+t2); ?
????//若t1、t2的平均值和t相等，則閾值確定 ?
????if(tnew==t) ??
????????return tnew; ?
????//若不等，則以t1、t2的平均值為新閾值迭代 ?
????else ??
????????AdaptiveThreshold(tnew,Image); ??
} ?
??
二值化圖像
[cpp] view plain copy
void CMyDialog::Threshold(IplImage *Image, IplImage *Image_O) ?
{ ?
????int thresMax=0,thresMin=255,i=0,j=0,t=0; ?
????//循環得到圖片的最大灰度值和最小灰度值 ?
????for(j=0;jheight;j++) ?
????????for(i=0;iwidth;i++) ?
????????{ ?
????????????if(CV_IMAGE_ELEM(Image,uchar,j,i)>thresMax) ??
????????????????thresMax=CV_IMAGE_ELEM(Image,uchar,j,i); ?
????????????else if(CV_IMAGE_ELEM(Image,uchar,j,i) ????????????????thresMin=CV_IMAGE_ELEM(Image,uchar,j,i); ?
????????} ?
??
????//小閾值用來控制邊緣連接 ?大閾值用來控制強邊緣的初始化分割 ?
????cvCanny(Image,Image_O,AdaptiveThreshold((thresMax+thresMin)*0.5,Image),thresMax*0.7,3); ?
??
} ?

車牌定位
[cpp] view plain copy
int CMyDialog::PlateAreaSearch(IplImage *pImg_Image) ?
{ ?
????// 檢測是否有值 ?
????if (pImg_Image==NULL) ????
????{ ??
????????return 0; ????
????} ?
??????
????IplImage* imgTest =0; ??
????int i=0, j=0,k=0,m=0; ?
????bool flag=0; ?
????int plate_n=0; ?//上邊界 ?
????int plate_s=0; ?//下邊界 ?
????int plate_e=0; ?//右邊界 ?
????int plate_w=0; ?//左邊界 ?
??????????
????int *num_h=new int[MAX(pImg_Image->width,pImg_Image->height)]; ??????
????if ( num_h==NULL ) ???
????{ ?
????????MessageBox("memory exhausted!"); ?
????????return 0; ????
????} ??
??
????//初始化分配的空間 ?
????for(i=0;iwidth;i++) ?
????{ ?
????????num_h[i]=0; ?
????} ???
??
????imgTest = cvCreateImage(cvSize(pImg_Image->width,pImg_Image->height),IPL_DEPTH_8U,1); ?
????cvCopy(pImg_Image, imgTest); ??
??
????//--水平輪廓細化 ?
????for(j=0; jheight; j++) ?
????{ ?
????????for(i=0;iwidth-1;i++) ?
???????{ ?
????????????CV_IMAGE_ELEM(imgTest,uchar,j,i)=CV_IMAGE_ELEM(imgTest,uchar,j,i+1)-CV_IMAGE_ELEM(imgTest,uchar,j,i); ?
????????????//記錄每一行的像素值 ?
????????????num_h[j]+=CV_IMAGE_ELEM(imgTest,uchar,j,i)/250; ???????
???????} ?????????
????} ??
???
????int temp_1 = 0; ?//統計20行中最大的每行數據量 ?
????int temp_max = 0; ?//20行最大的數據量 ??
????int temp_i = 0; ?//最大數據量的行 ?
??
????for(j=0; jheight-20; j++) ???
????{ ?
??????temp_1=0; ?
??????for(i=0;i<20;i++) ???
????????temp_1 += ?num_h[i+j]; ?
??????if(temp_1>=temp_max) ?
??????{ ?
??????????temp_max=temp_1; ?
??????????temp_i = j; ?
??????} ?
????} ?
??
????//找出上行邊界行 ?
????k=temp_i; ?
????while ( ((num_h[k +1]>POINT_X )||(num_h[k +2]>POINT_X )||(num_h[k]>POINT_X )) && k ) k--; ?
????plate_n=k+1; ??
??
????//找出下邊界行 ?
????k=temp_i+10; ?
????while (((num_h[k -1]>POINT_X )||(num_h[k-2]>POINT_X )||(num_h[k]>POINT_X ))&&(kheight)) k++; ??
????plate_s=k; ?
??
????//沒找到水平分割線，設置為默認值 ?
????if ( !(plate_n && plate_s ?
????????&& (plate_nwidth*(1-WITH_X)))) ?
????{ ?
????????MessageBox("水平分割失敗!"); ?
????????return 0; ?
????} ?
????//找到水平線 ??
????else ??
????{ ?
????????int ?max_count = 0; ?
????????int ?plate_length = (imgTest->width-(plate_s-plate_n)*HIGH_WITH_CAR); ?
????????plate_w=imgTest->width*WITH_X-1;//車牌寬度默認 ?
??????
????????//--垂直方向輪廓細化 ?
????????for(i=0;iwidth;i++) ?
????????????for(j=0;jheight-1;j++) ??
???????????{ ?
????????????????CV_IMAGE_ELEM(imgTest,uchar,j,i)=CV_IMAGE_ELEM(imgTest,uchar,j+1,i)-CV_IMAGE_ELEM(imgTest,uchar,j,i); ?
???????????} ?
??
????????for(k=0;k ????????{ ??
????????????for(i=0; i<(int)((plate_s-plate_n)*HIGH_WITH_CAR); i++) ?
????????????????for (j=plate_n;j ????????????????{ ?
????????????????????num_h[k] =num_h[k]+ CV_IMAGE_ELEM(imgTest,uchar,j,(i+k))/250; ?
????????????????} ?
????????????if (num_h[k]>max_count) ?
????????????{ ?
????????????????max_count = num_h[k]; ?
????????????????plate_w = k; ?
????????????} ?
??????????
????????} ?
????????????
??
????????CvRect ROI_rect; ????????????????//獲得圖片感興趣區域 ?
????????ROI_rect.x=plate_w; ?
????????ROI_rect.y=plate_n; ?
????????ROI_rect.width=(plate_s-plate_n)*HIGH_WITH_CAR; ?
????????ROI_rect.height=plate_s-plate_n; ?
????????????????
????????if ((ROI_rect.width+ROI_rect.x)> pImg_Image->width) ?
????????{ ?
????????????ROI_rect.width=pImg_Image->width-ROI_rect.x; ????
????????????MessageBox("垂直方向分割失敗!"); ?
????????????return 0; ?
????????} ?
??
????????else ?
????????{ ?
????????????IplImage *pImg8uROI=NULL; ????????//感興趣的圖片 ???
????????????pImg8uROI=cvCreateImage(cvSize(ROI_rect.width,ROI_rect.height), src->depth,src->nChannels); ?
???????????????
????????????IplImage *pImg8u11=NULL; ???????//車牌區域灰度圖 ?
????????????pImg8u11=cvCreateImage(cvSize(40*HIGH_WITH_CAR,40),pImg8uROI->depth,pImg8uROI->nChannels); ?
??
????????????cvSetImageROI(src,ROI_rect); ?
????????????cvCopy(src,pImg8uROI,NULL); ?
????????????cvResetImageROI(src); ?
?????
????????????pImgResize=cvCreateImage(cvSize(40*HIGH_WITH_CAR,40),IPL_DEPTH_8U,1); ????
????????????cvResize(pImg8uROI,pImg8u11,CV_INTER_LINEAR); //線性插值 ?
??
????????????cvCvtColor(pImg8u11,pImgResize,CV_RGB2GRAY); ?
????????????Threshold(pImgResize,pImgResize); ?
??????????????
????????????cvReleaseImage(&pImg8uROI); ?
????????????cvReleaseImage(&pImg8u11); ?
????????????cvReleaseImage(&imgTest); ?
????????} ??
????} ??
???????????
????// 釋放內存 ?
????delete []num_h; ???
????num_h=NULL; ???
????return 1; ?
} ?
?
字符分割
[cpp] view plain copy
int CMyDialog::SegmentPlate() ?
{ ?
????// 沒有切割成功，直接彈出 ?
????if (pImgResize==NULL) ???
????{ ??
????????return 0; ??
????} ??
??
????int *num_h=new int[MAX(pImgResize->width,pImgResize->height)]; ?
????if ( num_h==NULL ) ??
????{ ????
????????MessageBox("字符分割memory exhausted"); ?
????????return 0; ????
????} ?
??
????int i=0,j=0,k=0;//循環變量 12 ?
????int ?letter[14]={0,20,23,43,55,75,78,98,101,121,124,127,147,167}; // 默認分割 ?
????bool flag1=0; ???
??????
????// 垂直投影 ?
????for(i=0;i<40*HIGH_WITH_CAR;i++) ?
????{ ????
?????????num_h[i]=0; // 初始化指針 ?
?????????for(j=0;j<17;j++) ?// 0-16 ?
?????????{ ?
?????????????num_h[i]+=CV_IMAGE_ELEM(pImgResize,uchar,j,i)/45; ?
?????????} ???
?????????for(j=24;j<40;j++) ?// 24-39 ?
?????????{ ?
?????????????num_h[i]+=CV_IMAGE_ELEM(pImgResize,uchar,j,i)/45; ?
?????????} ?
????} ?
????// 初定位，定位點第二個字符末端， ?
????int max_count=0; ?
????int flag=0; ??
????for(i=30;i<40*HIGH_WITH_CAR;i++) ?
????{ ?
????????if(num_h[i] ????????{ ?
????????????max_count++; ?
????????????if(max_count==11) ?
????????????{ ?
????????????????letter[3]=i-11;//第二字符的結束位置 ?
????????????????while( (num_h[i] ????????????????letter[4]=i-1;//第三個字符的開始位置 ?
????????????????break; ?
????????????} ?
????????} ?
????????else ?
????????{ ?
????????????max_count=0; ?
????????} ?
????} ?
??
????// 精定位 ?
????for(i=0;i<40*HIGH_WITH_CAR;i++) ?
????{ ?
????????for(j=17;j<=24;j++) ?
????????{ ?
????????????num_h[i]+=CV_IMAGE_ELEM(pImgResize,uchar,j,i)/45; ?
????????} ?
????} ?
??????
????for(j=letter[3];j>0;j--)//找第一個和第二個字符起始位置 ?
????{ ?
????????if((num_h[j] ????????{ ?
????????????letter[2]=j; ??????????????????????//第二個字符的開始位置 ?
????????????letter[1]=(j>=23)?j-3:letter[1]; ??//第一個字符的結束位置 ?
????????????letter[0]=(j>=23)?j-23:letter[0]; ?//第一個字符的起始位置 ?
????????????break; ?
????????} ?
????} ?
??
????j=2; ?flag=0;flag1=0;//兩個標記 ?
????for(i=letter[4];i<40*HIGH_WITH_CAR;i++) ?//從第三個字符的開始位置算起 ?
????{ ?
????????if((num_h[i]>POINT_Y)&&(num_h[i-1]>POINT_Y) && !flag ) ?
????????{ ?
????????????flag=1; ?
????????????flag1=0; ?
????????????letter[2*j]=i-1; //這里只記錄字符的開始位置 ?
????????????if(j==6) ?//判斷最后一個字符的結束位置是否越界超出界限,如果沒有,則letter[13]=letter[12]+20 ?
????????????{ ?
????????????????letter[2*j+1]=((letter[2*j]+20)>40*HIGH_WITH_CAR-1)?40*HIGH_WITH_CAR-1:letter[2*j]+20; ?
????????????????break; ?
????????????} ?
????????} ?
????????else if((num_h[i] ????????{ ?
????????????flag=0; ?
????????????flag1=1; ?
????????????letter[2*j+1]=i-1; ?
????????????j++; ?
????????} ???
????} ????
????// 刪除角點 ???
????for(i=0;i<40*HIGH_WITH_CAR-1;i++) ?
????{ ?
????????for(j=0;j<39;j++) ?
????????{ ?
????????????if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&&CV_IMAGE_ELEM(pImgResize,uchar,j,i+1)&&CV_IMAGE_ELEM(pImgResize,uchar,j+1,i)) // ?01 ?
????????????????CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; ????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????// ??1 ?
??????????????
????????????if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&& ?CV_IMAGE_ELEM(pImgResize,uchar,j,i-1) &&CV_IMAGE_ELEM(pImgResize,uchar,j+1,i)) ????// ?10 ?
????????????????CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????// ???1 ?????????????????????
??????????????????????????
????????????if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&&CV_IMAGE_ELEM(pImgResize,uchar,j,i-1) &&CV_IMAGE_ELEM(pImgResize,uchar,j-1,i)) ????????// ??1 ???????
????????????????CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; ???????????????????????????????????????????????????????????????????????????????????// 10 ?
??
????????????if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&&CV_IMAGE_ELEM(pImgResize,uchar,j,i+1) &&CV_IMAGE_ELEM(pImgResize,uchar,j-1,i)) ??????????// 1 ???????
????????????????CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; ????????????????????????????????????????????????????????????????????????????????// 01 ?
????????} ?
????} ????
??
??????
????// 分割出字符圖片 ?
????pImgCharOne=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1); ?
????pImgCharTwo=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1); ?
????pImgCharThree=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1); ?
????pImgCharFour=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1); ?
????pImgCharFive=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1); ?
????pImgCharSix=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1); ?
????pImgCharSeven=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1); ?
??
????????????CvRect ROI_rect1; ?
????????????ROI_rect1.x=0.5*(letter[1]+letter[0])-10; ?
????????????ROI_rect1.y=0; ?
????????????ROI_rect1.width=20; ?
????????????ROI_rect1.height=40; ?
????????????cvSetImageROI(pImgResize,ROI_rect1); ?
????????????cvCopy(pImgResize,pImgCharOne,NULL); //獲取第1個字符 ?
????????????cvResetImageROI(pImgResize); ?
??????????????
????????????ROI_rect1.x=0.5*(letter[3]+letter[2])-10; ?
????????????ROI_rect1.y=0; ?
????????????ROI_rect1.width=20; ?
????????????ROI_rect1.height=40; ?
????????????cvSetImageROI(pImgResize,ROI_rect1); ?
????????????cvCopy(pImgResize,pImgCharTwo,NULL); //獲取第2個字符 ?
????????????cvResetImageROI(pImgResize); ?
??????????????
????????????ROI_rect1.x=0.5*(letter[5]+letter[4])-10; ?
????????????ROI_rect1.y=0; ?
????????????ROI_rect1.width=20; ?
????????????ROI_rect1.height=40; ?
????????????cvSetImageROI(pImgResize,ROI_rect1); ?
????????????cvCopy(pImgResize,pImgCharThree,NULL); //獲取第3個字符 ?
????????????cvResetImageROI(pImgResize); ?
??????????????
????????????ROI_rect1.x=0.5*(letter[7]+letter[6])-10; ?
????????????ROI_rect1.y=0; ?
????????????ROI_rect1.width=20; ?
????????????ROI_rect1.height=40; ?
????????????cvSetImageROI(pImgResize,ROI_rect1); ?
????????????cvCopy(pImgResize,pImgCharFour,NULL); //獲取第4個字符 ?
????????????cvResetImageROI(pImgResize); ?
??????????????
????????????ROI_rect1.x=0.5*(letter[9]+letter[8])-10; ?
????????????ROI_rect1.y=0; ?
????????????ROI_rect1.width=20; ?
????????????ROI_rect1.height=40; ?
????????????cvSetImageROI(pImgResize,ROI_rect1); ?
????????????cvCopy(pImgResize,pImgCharFive,NULL); //獲取第5個字符 ?
????????????cvResetImageROI(pImgResize); ?
??????????????
????????????ROI_rect1.x=0.5*(letter[11]+letter[10])-10; ?
????????????ROI_rect1.y=0; ?
????????????ROI_rect1.width=20; ?
????????????ROI_rect1.height=40; ?
????????????cvSetImageROI(pImgResize,ROI_rect1); ?
????????????cvCopy(pImgResize,pImgCharSix,NULL); //獲取第6個字符 ?
????????????cvResetImageROI(pImgResize); ?
??????????????
????????????ROI_rect1.x=0.5*(letter[13]+letter[12])-10; ?
????????????ROI_rect1.y=0; ?
????????????ROI_rect1.width=20; ?
????????????ROI_rect1.height=40; ?
????????????cvSetImageROI(pImgResize,ROI_rect1); ?
????????????cvCopy(pImgResize,pImgCharSeven,NULL); //獲取第7個字符 ?
????????????cvResetImageROI(pImgResize); ?
??
??
??
????????????// 釋放內存 ?
????????????delete []num_h; ???
????????????num_h=NULL; ?
??
} ?
?
字符識別
[cpp] view plain copy
int CMyDialog::CodeRecognize(IplImage *imgTest, int num, int char_num) ?
{ ?
????if (imgTest==NULL) ?
????{ ??
????????return 0; ?
????} ?
??????
????int i=0,j=0,k=0,t=0; ?
????int ?char_start=0,char_end=0; ?
????int num_t[CHARACTER ]={0}; ?
??????
??????
?????switch(num)//這里這樣分可以提高效率，并且提高了識別率 ?
?????{ ?
????????case 0: ?char_start =0; ????????// 數字 ?
?????????????????????????char_end ?= 9; ?
??????????????????????????break; ?
????????case 1: ?char_start =10; ???????// 英文 ?
?????????????????????????char_end ?= 35; ?
??????????????????????????break; ?
????????case 2: ?char_start =0; ??????// 英文和數字 ?
?????????????????????????char_end ?= 35; ?
??????????????????????????break; ???
????????case 3: ?char_start =36; ??????// 中文 ?
?????????????????????????char_end ?= TEMPLETENUM-1; ?
??????????????????????????break; ?
????????????default: break; ??????????????????
?????} ?
??
????// 提取前8個特征 ?
????for(k=0; k<8; k++) ?
????{ ??
????????for(j=int(k/2)*10; j ????????{ ?
????????????for(i=(k%2)*10;i<(k%2+1)*10;i++) ?
????????????{ ????????
???????????????num_t[k]+=CV_IMAGE_ELEM(imgTest,uchar,j,i)/255 ; ?
????????????} ????????
????????} ?
??
????????// 第9個特征前8個特征的和作為第9個特征值 ?
????????num_t[8]+= num_t[k]; ???
????} ?
????
????for(i=0;i<20;i++) ????
????????num_t[9]+=CV_IMAGE_ELEM(imgTest,uchar,10,i)/255 ; ?
????for(i=0;i<20;i++) ?
????????num_t[10]+=CV_IMAGE_ELEM(imgTest,uchar,20,i)/255 ; ?
????for(i=0;i<20;i++) ?
????????num_t[11]+=CV_IMAGE_ELEM(imgTest,uchar,30,i)/255 ; ?
????
????for(j=0;j<40;j++) ?
????????num_t[12]+=CV_IMAGE_ELEM(imgTest,uchar,j,7)/255; ?
????for(j=0;j<40;j++) ?
????????num_t[13]+=CV_IMAGE_ELEM(imgTest,uchar,j,10)/255 ; ?
????for(j=0;j<40;j++) ?
????????num_t[14]+=CV_IMAGE_ELEM(imgTest,uchar,j,13)/255 ; ?
??
????int num_tt[CHARACTER]={0}; ?
????int matchnum=0; ?//可以說是匹配度或相似度 ?
????int matchnum_max=0; ???
????int matchcode = 0; ????????// 匹配號 ?
??
????j=0; ?
??
????for(k=char_start;k<=char_end;k++) ?
????{ ?
????????matchnum=0; ?
????
????????for(i=0;i<8;i++) //區域的匹配 ?
????????{ ?
????????????if (abs(num_t[i]-Num_Templete[k][i])<=2)//與模板里的相應值進行匹配 ?
????????????????matchnum++; ?
????????} ?
??????????
???????if(Num_Templete[k][i]-abs(num_t[i])<=8)//對第9個特征進行匹配 ??
?????????????matchnum+=2; ????
???????for(i=9;i ????????{ ?
???????????if (Num_Templete[k][i]>=5) ?//特征值大于5 ??
???????????{ ?
????????????????if(abs(num_t[i]-Num_Templete[k][i])<=1) ?
????????????????matchnum+=2; ?
???????????} ?
???????????else if( num_t[i]==Num_Templete[k][i]) ?
???????????{ ??
????????????????matchnum+=2; ?
???????????} ?
????????} ?
????????if(matchnum>matchnum_max) ?
????????{ ?
??????????????matchnum_max=matchnum; ?//保留最大的匹配 ??
??????????????matchcode= k; ?//記錄識別的字符的索引 ??
????????} ????
????} ?
????//識別輸出 ?存放輸出結果 ?
????G_PlateChar[char_num]=PlateCode[matchcode]; //保存下該字符 ?
} ?
?
網上分享的的車牌字符模板特征值，并不是很全但對于初步學習已經足夠了
const int Num_Templete[TEMPLETENUM][CHARACTER]= ?
{ ?
??{16,19,10,12,10,10,15,18,110,3,2,2,3,3,3}, ????//0 ?
??{9,11,10,10,10,10,9,10,79,2,2,2,0,2,12}, ??????//1 ?
??{18,19,3,18,10,10,23,22,123,4,2,2,7,6,8}, ?????//2 ?
??{19,21,11,14,4,20,18,22,129,2,2,4,6,6,7}, ?????//3 ?
??{2,18,11,22,20,21,11,18,123,2,4,2,6,7,5}, ?????//4 ?
??{23,19,20,12,9,20,18,22,143,2,4,4,6,6,6}, ?????//5 ?
??{6,13,17,8,15,20,18,20,117,2,2,4,5,7,6}, ??????//6 ?
??{21,21,0,20,8,12,9,11,102,2,2,2,2,8,15}, ??????//7 ?
??{17,18,18,19,14,20,17,20,143,4,2,4,6,6,6}, ????//8 ?
??{16,18,15,21,7,19,13,7,116,3,2,2,6,6,5}, ??????//9 ?
??{10,10,16,16,20,20,18,19,129,2,4,2,8,3,6}, ????//A ?
??{24,20,20,19,22,22,24,20,171,4,8,4,6,6,6}, ????//B ?
??{18,19,20,4,20,8,17,21,127,3,2,4,4,4,4}, ??????//C ?
??{23,19,11,20,12,20,22,21,148,3,3,3,4,4,4}, ????//D ?
??{23,19,21,9,22,8,23,23,148,2,2,2,6,6,6}, ??????//E ?
??{25,17,20,9,22,8,19,0,120,2,2,2,4,4,4}, ???????//F ?
??{17,18,22,14,12,24,18,21,146,4,7,4,4,6,6}, ????//G ?
??{14,20,18,22,17,22,16,20,149,4,1,4,2,2,2}, ????//H ?
??{0,17,0,20,3,20,18,22,100,2,2,4,2,2,2}, ???????//J ?
??{19,20,26,10,20,20,20,22,157,4,4,4,3,5,11}, ???//K ?
??{20,0,20,0,20,0,25,20,105,2,2,2,2,2,2}, ???????//L ?
??{20,10,27,17,20,10,22,14,140,1,3,3,4,1,5}, ????//M ?
??{21,12,25,17,26,12,18,18,149,3,5,3,5,5,6}, ????//N ??
??{23,19,18,20,21,8,22,0,131,3,3,2,4,4,4}, ??????//P ?
??{18,19,20,10,26,15,18,21,147,3,3,4,5,7,5}, ????//Q ?
??{26,19,21,18,21,17,20,21,163,4,3,4,4,6,5}, ????//R ?
??{18,18,18,10,8,17,17,22,128,4,3,4,6,6,6}, ?????//S ?
??{22,18,10,10,10,10,10,10,100,2,2,2,33,2,2}, ???//T ?
??{18,12,20,10,20,10,19,21,130,3,3,3,2,2,2}, ????//U ?
??{20,19,20,20,15,14,9,10,127,4,4,2,9,1,8}, ?????//V ?
??{21,25,26,28,16,16,21,19,172,6,2,4,13,0,7}, ???//W ?
??{21,21,13,13,12,11,22,21,134,4,2,4,8,0,10}, ???//X ?
??{21,20,10,11,10,10,10,11,103,3,2,2,5,2,6}, ????//Y ?
??{21,23,5,15,15,5,24,20,128,2,2,2,8,8,7}, ??????//Z ?
??{13,14,10,10,10,10,13,13,93,2,2,2,29,2,29}, ???//I ?
??{20,20,13,20,19,12,17,20,141,3,3,4,4,4,4}, ????//O ???????????
??{14,15,17,17,16,10,25,24,138,0,2,4,12,8,9}, ???//云 ?????????
??{17,20,17,12,33,28,23,20,170,3,4,7,13,6,4}, ???//蘇 ?
??{21,21,23,24,24,25,31,27,196,0,9,6,8,6,7}, ????//京 ?
??{19,27,20,34,19,36,24,37,216,4,4,7,13,28,3}, ??//湘 ?
??{17,14,23,27,36,40,26,27,210,4,13,4,16,14,14}, //魯 ?
??{24,24,32,38,34,32,17,22,223,9,6,10,11,12,9}, // 粵 ?
??{22,20,33,37,25,24,24,25,210,13,3,6,12,8,7} ????//蒙 ?
}; ?

閱讀全文

上一頁 1 2 3 4 5 6全文

本文導航

車牌識別(15506) 車牌識別(15506)
OpenCV(40701) OpenCV(40701)

opencv中的cvLoad函數如何移植到DM642，或者說CCS中如何加載XML文件

本人已經在PC上調式好車牌識別的算法，用的是Opencv，最近想把車牌識別代碼移植到DM642，初步接觸，正在用EMCV嘗試，但是EMCV基本上不起什么作用，因為很多在opencv中基本的算法，emcv都沒有。現在感覺亞歷山大，是否有人做過相關的課題，望給點思路！

2016-07-19 17:24:26

汽車車型開發必不可少的CAE解析

汽車車型開發必不可少的CAE分析

2021-03-01 06:37:28

汽車車燈的可靠性測試要求標準

幫幫忙。一般汽車車燈的可靠性標準要求是怎么樣的？像高溫測試是測多少度多久的。像前大燈和霧燈，尾燈這類的

2014-05-05 23:27:49

汽車車身模胚價格的決定性因素有哪些？汽車車身模胚

一、原料費汽車車身模胚采用選材的不一樣的售價自然會存有很大的區別，采用汽車車身模胚的要求挑出適用于汽車車身模胚的選材，采用汽車車身模胚的質量和選材計算汽車車身模胚在選材這方面的售價，這個基本上能夠

2019-09-17 15:39:01

車牌識別

車牌識別VI程序，僅供參考

2020-09-29 19:18:04

車牌識別

有人會用labVIEW做一個車牌識別程序嗎？

2012-06-15 05:15:12

車牌識別-

教程車牌識別應該能幫助到正在學習的你。

2021-04-26 19:57:57

車牌識別PDA是什么？有什么作用？

車牌識別PDA是在智能手持終端的基礎上集成車牌號識別算法的移動設備，采用目前用戶量最多的安卓方案，界面與智能手機相同，操作簡單。同時具備車牌號掃描識別、無線通信、熱敏打印等功能，已經被廣泛的應用于

2018-09-19 15:05:39

車牌識別sdk的優點

ios車牌識別移動端車牌識別

2019-04-28 09:43:31

車牌識別系統

其中任意圖片文件就可以進行測試。由于我的車牌圖片不多（都是網上找的），質量不高，而且字符模版精度不夠，所以字符識別有一定的誤差，見笑了，不過車牌位置定位還是很準的(要求安裝LabVIEW 2014和Vision 2014)。

2015-06-30 10:33:09

DSP嵌入式車牌識別技術規格

DSP平臺車牌識別授權流程確認客戶使用的硬件平臺，包括芯片型號和外部RAM大小；是否已經焊接了加密芯片,如無加密芯片，是否可讀取CPU ID或者提供FLASH ID等唯一的物理序列號；智能

2018-06-13 10:12:00

OCR移動端車牌識別

移動端車牌識別算法，路邊車輛違停管理助手

2019-07-01 11:50:42

labview車牌定位識別

有沒有labview做車牌識別的經驗或資料求指導謝謝

2012-11-21 10:27:00

【HarmonyOS HiSpark AI Camera】車牌識別系統

項目名稱：車牌識別系統試用計劃：申請理由本人在嵌入式開發行業從事了五年的開發經驗，在智能家居，無線mesh網絡領域擁有豐富的經驗。并且自學AI EasyPR等機器識別知識。項目計劃①快速熟悉鴻蒙相關

2020-11-18 18:15:23

【HarmonyOS HiSpark IPC DIY Camera試用】圖像識別在車牌識別用的應用

項目名稱：圖像識別在車牌識別用的應用試用計劃：申請到后對攝像頭所拍到的車牌進行識別，提高車牌的識別成功率以及準確率做判斷，在實際的項目中做到對車主車輛的甄別，結合實際應用完成設備的預研

2020-11-23 11:46:13

【KV260視覺入門套件試用體驗】六、VITis AI車牌檢測&車牌識別

?filename=xilinx-kv260-dpu-v2022.2-v3.0.0.img.gz 鏡像下載地址 1.2、SD卡系統燒錄 balenaEtcher軟件二、車牌檢測和車牌識別介紹車牌檢測是對包含

2023-09-26 16:28:10

【MediaTek X20開發板申請】小區車牌自動識別系統

）添加USB接口camera模塊；3）通過opencv實現車牌識別功能；4）外接IIC接口PWM擴展器；5）外接LED燈，表示車牌識別后的不同狀態；6）通過IIC接口點亮OLED，顯示識別結果；7）嘗試通過PWM方式控制led亮度；

2016-12-29 17:05:00

【Rico Board申請】基于SoC的車牌識別系統

最近導師在外面公司承接的一個車牌識別系統其實還是非常適合用SoC作為硬件平臺來完成這個項目；3.本人預期的設想是在SD卡上裝入一個ubuntu，在里面再植入opencv的開發環境，識別網絡攝像頭傳輸過來的視頻數據，進而完成識別操作；

2016-11-10 10:12:34

【TL6748 DSP申請】DSP圖像識別

申請理由：本人能夠很快的入手DSP開發板，有五年的開發經驗。對DSP開發有相當豐富的經驗。項目描述：圖像處理的算法已經確定，就是灰度化二值化，最后hough變化找到指針直線變換后的點，通過計算公式得到指針所在位置角度，與0值比較得出當時的測量值。量程確定的方法類似于汽車車牌識別。

2015-09-10 11:18:54

【下載】LABVIEW車牌識別

LABVIEW車牌識別

2018-07-21 16:38:35

【超值干貨】揭秘車牌識別算法

少之又少。今天給大家分享的車牌識別案例，其實在我們生活中已經很常見了。各大停車場早就配備了這種車牌自動識別的設備。車牌識別，其中基本上已經包含了圖像處理中基本的常用算法。像邊緣檢測，腐蝕膨脹等。所以

2017-05-25 21:07:04

三步就能在OpenHarmony中實現車牌識別

識別系統，基于 OpenCV 開源庫開發。本項目使用潤和 HiSpark Taurus AI Camera(Hi3516DV300) 攝像頭開發板套件(以下簡稱 Hi3516)實現拍照車牌并顯示識別結果

2022-06-28 10:15:38

三步就能在OpenHarmony中實現車牌識別

介紹本車牌識別項目是基于開源項目 EasyPR（Easy to do Plate Recognition）實現。EasyPR 是一個開源的中文車牌識別系統，基于 OpenCV 開源庫開發。本項

2022-07-06 11:20:12

幾類汽車識別系統的經典設計方案

車牌識別技術是計算機視頻圖像識別技術在車輛牌照識別中的一種應用。車牌識別技術要求能夠將運動中的汽車牌照從復雜背景中提取并識別出來，通過車牌提取、圖像預處理、特征提取、車牌字符識別等技術，識別車輛牌號

2019-06-28 08:29:44

哪款DSP比較合適車牌識別呢？

車牌識別的話用哪一款DSP比較合適呢車牌識別的話用哪一款DSP比較合適呢車牌識別的話用哪一款DSP比較合適呢重要的問題問4遍

2019-11-04 22:17:38

基于C語言的車牌識別怎么設計？

應用C語言編程，系統能夠對車牌進行識別，并能夠對車牌進行預處理，灰度化，圖像二值化，字符分割，字符識別等一系列的應用，跪求大神幫助

2020-06-01 15:56:39

基于Keras在NuMicro M480系列微控制器上實施汽車牌照識別

應用程序:本文件介紹如何為深層學習技術編程Keras重量,以開發汽車牌照識別,并幫助用戶在NuMicro M480系列微控制器上實施汽車牌照識別。 BSP 版本: M480 BSP CMSIS

2023-08-29 06:46:48

基于LabVIEW的車牌識別系統

又沒人做過基于LabVIEW的車牌識別系統或類似的？

2013-06-11 15:32:45

基于Verilog的車牌精確定位

分割提取車牌的算法以及基于小波變換和數學形態等方法來識別車牌的位置。本文提出了一種新的基于色彩分量的灰度化方法，該方法不僅可以消除小型民用車車牌圖片的背景和車身信息，還可以較好的保留車牌區域信息，從而

2019-03-03 17:36:23

基于iTOP-3399平臺的車牌識別解決方案

智能交通系統（ITS）是交通管理體系發展的必然趨勢，車牌自動識別技術作為智能交通系統中的重要組成部分，已被廣泛應用于公路收費、車輛停車管理、交通執法等場合。傳統車牌識別系統主要有兩種，一種

2020-12-29 07:45:46

基于labview vision的機動車車牌識別系統

機動車車牌識別系統，內附子VI打開密碼

2016-02-26 19:35:46

基于機器學習庫opencv和平臺Jupyter Notebook的車牌識別案例

python+opencv實現車牌識別

2019-02-28 11:08:26

基于機械制造的汽車車燈裝配過程的研究

優勢。因此，我國的汽車制造業只有不斷地提高自身的技術水平，增強自身的企業競爭力，才能提高經濟收益，在國際市場提高自己的市場占有率。2 汽車車燈裝配的過程分析2.1 汽車車燈裝配的過程汽車裝配是汽車制造

2018-03-30 13:38:35

嵌入式汽車牌照識別儀全新牌照識別解決方案 18頁 0.2M

嵌入式汽車牌照識別儀全新牌照識別解決方案 18頁 0.2M

2016-09-28 08:44:24

嵌入式汽車牌照識別儀全新牌照識別解決方案 18頁 0.2M

嵌入式汽車牌照識別儀全新牌照識別解決方案 18頁 0.2M

2016-09-29 08:45:43

怎么實現基于MATLAB的車牌識別系統的設計？

一個完整的牌照識別系統包括哪些單元？怎么實現基于MATLAB的車牌識別系統的設計？

2021-05-12 07:04:46

智能交通系統中的車牌自動識別技術有哪些應用呢

治安卡口等場合，成為研究的熱點。車牌識別技術是利用計算機等輔助設備進行的自動汽車牌照自動識別就是在裝備了數字攝像設備和計算機信息管理系統等軟硬件平臺的基礎之上，通過對車輛圖像的采集，采用先進的圖像處理、模式識別和人工智能技術，在圖像中找到車牌的位置，提取出組成車牌號碼的全部字符圖像，再識別出車牌中的文字.

2022-03-02 06:30:05

用ucos做嵌入式車牌識別可行么

求助各位大神，最近實驗室有個項目要做車牌識別，并且用zigbee組網，我查了下嵌入式的車牌識別都是用linux系統，想問如果用ucos系統做車牌識別能夠處理嗎？我自己找資料沒找著用ucos做的，但linux太麻煩了，所以求助下啊！

2014-03-17 21:53:14

移動端車牌識別SDK算法

越來越多人集成了，汽車保有量日益上升，越來越多公司開發車輛管理系統，在系統開發過程中，對于OCR識別算法，不少開發人員為了節省成本，在開源中尋找車牌識別算法，耗費了不少人力物力以及時間成本。易泊時代

2018-05-17 22:55:40

移動端車牌識別與PC端車牌識別有什么區別解析

2019-04-30 11:20:59

移動端安卓車牌識別

)、軍牌（雙）、武警牌（雙）、警牌、農用車牌、教練車牌、大使館車牌等各種規格汽車號牌等3、安卓前端車牌識別技術：采用視頻識別，像掃二維碼一樣，掃描識別車牌4、安卓前端車牌識別技術車牌可運

2018-06-11 13:08:03

高效的PC端車牌識別在人工智能機器人領域的應用

軟件、車牌識別系統、車牌識別技術、汽車號牌識別、號牌識別軟件、車牌識別方案 DSP車牌識別、車牌識別SDK、車牌OCR、車牌識別軟件、車牌識別系統、車牌識別技術、汽車號牌識別、號牌識別軟件人工智能的發展

2019-01-02 16:59:47

汽車牌照自動識別系統

汽車牌照自動識別系統在智能交通系統（ITS）中占據重要地位，有著廣闊的發展前景。本文介紹了汽車牌照識別系統，該系統包括了牌照的抓拍、牌照定位、識別等內容。最后給

2009-07-07 13:41:51

多幀圖像綜合技術在車牌識別中的應用

本文針對車牌識別系統在車牌圖像質量不高時識別準確率較低的問題,提出了一種多幀圖像綜合算法,來更全面地利用車牌圖像中所含有的有用信息,以達到提高車牌識別準確率的目的

2010-02-21 10:49:24

車牌識別系統的設計與實現

汽車牌照自動識別系統是制約道路交通智能化的重要因素，包括車牌定位、字符分割和字符識別三個主要部分。本文首先確定車輛牌照在原始圖像中的水平位置和垂直位置,從而定

2010-02-21 10:59:09

基于DSP的圖像處理在車牌識別中的應用

車牌識別模塊是車牌識別(LPR)系統的核心。論文根據國內汽車牌照的特點,對車牌識別模塊中的預處理、字符分割及字符識別技術提出了改進的算法,并基于DSP實現了對車牌純字符區域

2010-02-24 14:30:40

SVM在車牌字符識別中的應用

1 引言車牌識別是智能交通系統的一個重要研究課題，存在巨大的市場需求。車牌識別系統分車輛圖像的獲取、車牌的定位與字符分割、車牌字符識別3大部分。對于

2009-05-16 10:21:35

3625

圖象處理技術在車牌識別中的應用

圖象處理技術在車牌識別中的應用利用數字圖象處理技術研究開發汽車牌照自動識別系統。從汽車圖象中確定車牌位置,提取車牌字符的微結構特征,通

2009-12-08 15:21:53

841

采用DSP的圖像處理在車牌識別中的設計應用

采用DSP的圖像處理在車牌識別中的設計應用汽車普及程度的提高，汽車牌照自動識別系統（LPR）的研究與開發也成為現代化交通發展中倍受關注的問題。對提高這些場

2010-03-24 18:05:32

1848

基于彩色數字圖像的車牌識別研究

車牌識別是圖像識別技術在智能交通領域應用的重要研究之一，是實現交通管理智能化的重要環節。我國交通管理部門對汽車牌照的樣式制定了嚴格的規范，這些規范將為車牌自動識別

2011-12-05 15:05:19

賽靈思FPGA DIY系列（1）：車牌號定位與識別系統

在智能交通領域，汽車牌照自動識別系統是道路交通智能化的重要因素，包括車牌定位、字符分割和字符識別三個主要部分。本項目主要探討車牌定位和字符分割兩個部分，字符識別部

2012-12-06 13:38:13

12713

一種車牌識別軟件系統研究

針對現有車牌識別算法中的車牌定位、字符分割和字符識別三個核心模塊存在的不足，提出了一種基于邊緣兩側顏色檢測的車牌定位方法；通過采用動態閾值調整方法，很好的實現了字

2013-03-18 16:50:27

車牌識別-matlab

完整的車牌識別MATLAB源代碼，車牌定位，區域切割，字符切割，字符識別

2016-06-16 17:57:46

基于OpenCV的車牌圖像定位和人臉識別

本文件主要是介紹車牌定位和人臉，有用的可以下載下來參考

2017-02-28 23:04:44

基于matlab的車牌識別技術_冀光強

2017-03-18 09:18:05

車牌識別系統的識別原理及觸發方式

處理的技術。車牌識別是現代智能交通系統中的重要組成部分之一，應用十分廣泛。它以數字圖像處理、模式識別、計算機視覺等技術為基礎，對攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到每一輛汽車唯一的車牌號碼，從而完成識別過程。通過一些后續處理手段可以實現停車場收

2017-11-13 17:20:12

38636

基于結構知識的字符識別方法在車牌識別中的應用

提出了一種完全基于結構知識的字符識別方法。該方法以字符的結構特點和筆畫類型、數量及位置作為識別特征生成判定樹，再利用判定樹對汽車牌照中的字母和數字進行分類識別。 汽車牌照識別是基于圖像分割和圖像識別

2017-11-14 17:53:17

車牌識別原理解析

對于一個城市來說，車輛的多少可以衡量這個城市的重要性和地位，那么車牌識別實現的方式有哪些，車輛牌照的識別是基于圖像分割和圖像識別理論，對含有車輛號牌的圖像進行分析處理，從而確定牌照在圖像中的位置

2017-11-20 11:34:17

智能交通之汽車車牌定位識別軟硬件設計方案

基于計算機圖象處理和字符識別技術的車牌自動識別技術，有著極其廣闊的推廣應用前景。 1、車牌識別技術在地方上的應用基于計算機數字識別技術的車牌自動識別技術，在收費站、停車場、加油站和居民小區、高級

2017-11-20 16:03:17

基于圖像采集的汽車車牌定位識別

；而FPGA則與CPU相反，其并行的結構會使圖像處理算法簡單的部分變得十分高效，因此，在圖像采集與預處理過程中涉及到的一些簡單的算法如果利用FPGA來實現的話將會使整個圖像采集與處理的時間大大減少。 汽車車牌的定位識別需要對攝像

2017-11-20 16:28:19

Turn Key解決方案：汽車車牌定位識別系統的設計實現

一、項目背景及可行性分析 2.1 項目背景及技術難點項目名稱：智能交通：汽車車牌定位識別；項目內容：本項目是在FPGA前端實時完成圖像采集、預處理、車牌定位和字符分割以及數據傳輸工作，在后端完成

2017-11-20 17:15:51

汽車牌照識別系統的應用及發展

車牌識別技術作為交通自動化管理的重要手段，以及車輛檢測系統的一個重要環節，并以計算機可處理的形式給出識別結果，從而使得車輛的電腦化監管成為現實，其在交通監視和控制中占有很重要的地位。 汽車牌

2017-11-27 10:43:37

電子車牌識別替代傳統車牌識別已成趨勢

智能電子車牌是基于RFID技術，而RFID技術作為一種新興的非接觸式自動識別技術，與傳統的視頻和圖像處理車牌識別技術相比，基于RFID技術的車輛識別準確性高，不易受環境的影響，無盲區，可以準確、全面地獲取車輛的狀態信息以及路網交通狀況。

2017-11-28 15:05:44

7512

車牌識別錯誤_車牌識別不了解決辦法

車牌識別在日常生活已經普遍得到運用，為有效遏制城市內車輛闖紅燈違章行為，現在城市內各個路口都在大力安裝卡口式的闖紅燈違法行為的檢測系統，而此系統最重要的組成部分就是車牌識別模塊。下面小編給大家介紹一下車牌識別系統常見問題及其解決方法。

2018-01-02 14:17:43

39003

車牌識別能破解么_怎么破解小區車牌識別

車牌識別目前在我們生活中已經隨車可見，本文主要介紹了車牌識別的原理流程進行了詳細的介紹，其次對如何破解小區車牌識別列出了三大方法，希望能幫到你。

2018-01-02 14:47:43

378022

車牌識別技術的發展及意義_車牌識別系統原理介紹

本文主要介紹了車牌識別系統原理、車牌識別技術的意義、車牌識別技術應用表現和國內車牌識別技術發展現狀以及車牌識別發展應用前景廣闊。

2018-01-02 15:12:05

16128

車牌識別哪家強_車牌識別品牌全國排名榜前十出爐

目前車牌識別系統在我們的生活中隨處可見，隨著車牌識別系統市場的興起，更多的品牌或企業都在紛紛競爭，本文就針對及車牌識別品牌全國排名前十進行了詳細的介紹。

2018-01-02 15:37:45

46900

新能源汽車車牌特點、編碼規則及申請規則

為更好實施國家新能源汽車產業發展及差異化管理政策，新能源汽車號牌按照不同車輛類型實行分段管理，字母“D”代表純電動汽車，字母“ F”代表非純電動汽車（包括插電式混合動力和燃料電池汽車等）。那么新能源汽車車牌有什么特點呢？它的編碼規則及申請規則有哪些呢？下面我將一一給大家進行分析。

2018-01-03 09:54:21

71297

2018新能源車牌照政策_什么車能上新能源車牌

本文介紹了什么是新能源汽車、國內外新能源汽車發展的狀況和新能源汽車的核心技術及發展趨勢，其次介紹了2018年新能源汽車車牌照政策和什么車能夠上新能源的車牌，新能源號碼車牌編碼規則和新能源車牌申請詳情。

2018-01-05 09:14:16

156015

新能源車牌不能過戶嗎_新能源車牌還有哪些規定_新能源車牌照政策

本文介紹了什么車能上新能源車牌，新能源汽車車牌規則以及詳細的介紹了新能源車牌能不能過戶的問題。最后介紹了新能源汽車車牌照的新政策和新能源汽車車牌的申請問題。

2018-01-05 14:13:32

102449

新能源車車牌無法識別怎么辦_新能源車牌識別不了

本文介紹了新能源車牌的變化、新能源汽車車牌為何出現識別漏洞、新能源車車牌無法識別的原因是什么以及如何解決新能源車牌無法識別的方法。

2018-01-05 16:06:57

40760

車牌識別停車場系統的工作原理

（ETC）系統中，也是結合DSRC技術識別車輛身份的主要手段。車牌識別技術要求能夠將運動中的汽車牌照從復雜背景中提取并識別出來，通過車牌提取、圖像預處理、特征提取、車牌字符識別等技術，識別車輛牌號、顏色等信息，目前最新的技術水平為字母和數字的識別率可達到99.7%。

2018-04-25 20:08:00

15876

安卓IOS車牌OCR拍照識別SDK

目前很多地方都會用到移動端車牌識別前端識別算法，停車場出入口、路邊停車、汽車保養維修、尤其是移動警務等，無論是手機的，還是PDA的，甚至的IOS的蘋果手機都能用，通過車牌識別這個技術，實現快速對車輛

2018-06-04 10:16:46

237

如何使用FPGA進行車牌識別系統的設計與實現？詳細資料免費下載

本文對傳統的以通用數字信號處理器（dsp）為核心的車牌識別系統進行了改進，介紹了一種新的基于fpga車牌識別系統。該系統主要通過攝像頭采集汽車車牌圖像，經過fpga核心處理器對圖像進行處理，識別出車牌號，并通過 lcd 顯示。經過調試運行，該系統實現了車牌識別的功能，可運用于工程實踐。

2018-09-06 14:25:52

ocr技術是什么？新能源充電樁應用車牌識別ocr技術

充電樁車牌識別應用場景，車牌識別相機采用吊裝的方式安裝到每個充電樁車位上，精準的識別停在該車位上的車牌號碼。

2018-09-21 10:25:28

2398

移動車牌識別PDA有哪些功能及應用？

面對龐大且還在迅猛增長的汽車數量，采用手工收錄車牌信息的方式讓一線工作人員苦不堪言。而且傳統的車牌識別系統一般都基于固定的桌面平臺，圖像采集不靈活，使用多有不便。近幾年，移動行業爆發式的發展，作為

2018-09-26 15:48:19

725

手機拍照識別車牌

什么是車牌識別？車牌識別技術常見的應用有PC端（或稱服務器端）車牌識別和嵌入式端車牌識別（如常見的車牌識別一體機），但是最近大家也肯定有聽到過移動端車牌識別，而且發展迅猛，很多應用場景都有它的身影

2019-01-02 17:30:13

1157

刷臉人臉識別，刷車車牌識別，兩識別構建平安社區

車牌識別一體機、高清車牌識別一體機、智能車牌識別一體機、停車場車牌識別一體機、智能高清車牌識別一體機、高效車牌識別一體機、停車場專用車牌識別一體機、硬件車牌識別一體機、高速車牌識別一體機、車牌識別

2019-01-04 12:03:36

4382

使用OpenCV進行車牌數字識別的資料免費下載

本文檔的主要內容詳細介紹的是使用OpenCV進行車牌數字識別的資料免費下載。

2019-01-16 08:00:00

車牌識別是如何實現的

車牌識別（LPR）系統是以圖像處理、模式識別等技術為基礎的智能識別系統，通過攝像機所拍攝道路上行駛的車輛圖像進行車牌號碼的識別。

2019-06-27 09:35:16

4182

汽車車牌識別系統的C++源代碼和工程文件免費下載

本文檔的主要內容詳細介紹的是汽車車牌識別程序的C++源代碼和工程文件免費下載。

2019-09-20 08:00:00

車牌識別技術的四大應用和工作原理

車牌識別是利用車輛的動態視頻或靜態圖像進行車牌號碼、車牌顏色自動識別的模式識別技術。技術的核心包括車牌定位算法、車牌字符分割算法和光學字符識別算法等。

2020-01-29 17:41:00

16043

移動端車牌識別技術，實現手機攝像頭掃描識別車牌

隨著移動行業的爆發式發展，手機配置不斷提高，基于手機平臺的信息采集、圖像處理、數據傳輸等方面的研究也成為了熱點，這使得基于手機平臺上的車牌識別成為可能。傳統的車牌識別系統一般都基于固定的桌面平臺

2020-06-17 17:03:50

3807

如何使用機器視覺實現汽車牌照的識別

以汽車牌照的識別為例，具體研究了車牌自動識別的原理。整個處理過程分為預處理，邊緣提取，車牌定位，字符分割和字符識別五大模塊，用MATLAB軟件編程來實現每一個部分，最后識別出汽車牌照。在研究的同時對其中出現的問題進行了具體分析和處理。尋找出對于具體的汽車牌照識別過程的最好的方法.

2020-08-26 17:13:05

使用MATLAB編程軟件和機器視覺實現汽車車牌自動識別

以汽車牌照的識別為例，具體研究了車牌自動識別的原理。整個處理過程分為預處理、邊緣提取、車牌定位、字符分割和字符識別五大模塊，用MATLAB軟件編程來實現每一個部分，最后識別出汽車牌照。在研究的同時對其中出現的問題進行了具體分析和處理。尋找出對于具體的汽車牌照識別過程的最好的方法.

2020-08-28 09:38:49