1 引言 车辆牌照是机动车唯一的管理标识符号,在交通管理中具有不可替代的作用,因此车辆牌照识别系统应具有很高的识别率,对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈,并应满足实时性
摘要分别采用单层感知器、BP网络和霍普菲尔德网络三种神经网络对26个英文字母进行识别,通过实验给出各网络的识别出错率,从中可以看出三种人工神经网络各自的优缺点,为选择神经网络进行字符识别提供了一定的依据。
引言 智能交通系统的研究领域十分广阔,各国各地区的侧重点也有所不同。如:电子收费系统是ITS在公路收费领域的具体表现,可解决收费站的“瓶颈”制约,较好地缓解收费站的交通拥挤、排队等候以及环境
摘要:在对车辆牌照识别系统研究的基础上,采用基于灰度二值化的连通域搜索的车牌照粗分类算法,彩色模型的车牌照字符切分算法和加权组合特征的字符识别算法,通过实验,设计出一个有效的车牌照识别系统。 关键词:
摘要:提出了一种完全基于结构知识的字符识别方法。该方法以字符的结构特点和笔画类型、数据及位置作为识别特片生成判定时,再利用判定树对汽车牌照中的字母和数字进行分类识别。汽车牌照识别是基于图像分割和图像识
摘要:提出了一种针对嵌入式系统的字符识别方法。介绍了一种基于ARM9处理器和嵌入式L inux 的字符图像采集与识别系统。该系统采用嵌入式L inux操作系统, 图像预处理和字符识别的软件开发可以脱离硬件。通过开发
基于ARM 和Linux的字符采集与识别系统
汽车牌照识别是基于图像分割和图像识别理论,对含有汽车牌照的图像进行分析处理,从而确定汽车牌照在图像中的位置,并进一步提取和识别出文本字符。从不同车牌图像中分割出的字符图像各式各样,尺寸变化范围大,增加