2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、車牌檢測識別技術是智能交通系統的重要組成部分之一,其在道路交通流量監(jiān)控、交通事故現場勘測、交通違章自動記錄、公安部門智能車輛目標識別等方面,都起著至關重要的作用。然而,由于場景的復雜化,以及對多光照、多角度和變尺度的適應性要求變高,車牌檢測與識別技術還面臨著諸多難題亟待解決。本文針對多光照、多角度、多尺度等復雜場景中穩(wěn)健地進行車牌檢測與字符識別開展工作,主要內容如下:
  1.針對在復雜環(huán)境下,光照和角度的變化以及在不同尺度下字符

2、區(qū)域難以檢測的問題,本文改進了穩(wěn)定車牌字符區(qū)域定位算法。該算法結合車牌字符的先驗知識,改進MSER核心算法,提取出圖像中穩(wěn)定極值字符區(qū)域,同時相較于MS ER算法提取的穩(wěn)定區(qū)域而言,剔除大量的偽字符區(qū)域,減少后面標簽傳導的工作量。
  2.針對大量穩(wěn)定極值字符區(qū)域,如何準確實現構建車牌字符結構的標簽傳導,本文提出了最大可動結構鏈算法。該算法首先通過節(jié)點分類對穩(wěn)定極值字符區(qū)域進行粗提取,再通過半標記標簽傳導實現標簽最大團提取,最后通

3、過全標記標簽傳導對標簽最大團進行條件最大后驗概率分析,完成標簽的更正,得到車牌位置。
  3.針對低分辨率字符圖像識別率低的問題,采用卷積神經網絡結構的字符識別方法。該方法首先對字符圖像進行預處理和歸一化操作,然后結合神經網絡自我學習訓練的特點,以字符灰度圖像作為輸入進行字符識別,最后對識別結果為相似字符的字符圖像做二次識別,進行相似字符間區(qū)分,得到字符識別結果。
  4.設計并實現多源輸入仿真演示軟件,包括單張圖像、多張圖

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論