公共文化服务平台

搜索到2510篇“ 车牌识别算法“的相关文章

基于Hough变换的车牌识别算法: 2025年; 智能交通系统收集大量的车辆数据后,可用于交通流量分析、城市规划等,提高城市交通安全系数。为了解决智能交通系统的关键技术之一的车牌识别技术,文章设计了一种基于Hough变换的车牌识别算法。文章运用MATLAB软件对采集的车辆照片进行车牌区域定位,提取出其车牌信区域,将车牌区域做灰度二值化处理,通过Hough变换进行车牌倾斜度矫正,擦除干扰区域、文字分割等操作,最终识别出汽车的牌照信息。通过在MATLAB中进行仿真实验,显示其能快速、准确地识别出车牌信息,具有一定的使用价值。; 景园李琤姜能惠; 关键词：车牌提取 HOUGH变换 MATLAB

基于改进YOLOv8和LPRNet的车牌识别算法: 2025年; 车牌定位检测与识别是实现智能交通系统的关键技术之一。为解决传统方法定位不准确、识别率低的问题,提出一种基于改进YOLOv8和轻量级识别网络LPRNet的车牌识别算法。在YOLOv8网络架构中增加卷积块注意力模块(convolutional block attention module,CBAM),通过特征融合提升目标检测的准确率;在LPRNet中加入多头自注意力(multi head self attention,MHSA)机制,增强网络的特征提取能力;在识别网络模型的训练阶段引入对抗训练,增强模型的泛化能力和鲁棒性。在CCPD数据集上的实验结果表明,本文算法对车牌检测的平均精度均值(mAP@0.5)达到98.7%,车牌识别准确率达到97.21%,均优于其他同类主流算法。; 宋建辉夏彬赵亚威刘晓阳; 关键词：车牌识别

基于深度学习的车牌识别算法设计: 2025年; 针对常规车牌识别算法难以进行不同长度的车牌字符识别以及运算量较大的问题,设计一种改进的轻量化YOLOv5s+CRNN算法以实现车牌识别。首先,对YOLOv5s模型进行轻量级设计优化,采用PP-LCNet网络来取代YOLOv5s的原始骨干网络,同时在Neck部分引入轻量级卷积结构DWConv以及一次性聚合VoV-GSCSP模块。实验结果显示,改进后的模型与原模型相比,在mAP值几乎不变的前提下,参数量降低了50.99%,而检测速度提升了27.92%。然后引入轻量级卷积结构GSConv对CRNN进行轻量化优化。优化实验结果显示,改进后的模型与原模型相比,参数量降低了约48%,平均单张图像的检测时间大约为30 ms,比原算法提升约32%。最后将改进的模型进行组合,改进后的YOLOv5s+CRNN模型平均精度均值(mAP)达到了77.6%,比改进前提升了约0.6%,字符识别的准确度降低了约0.44%,并且参数量降低了50.7%,检测速度达到了142 f/s,获得了良好的车牌识别效果。; 曹竣奥杨维明罗雨婷潘能源张伟; 关键词：车牌识别轻量化设计

车牌识别算法硬件加速器及方法: 本发明提供一种车牌识别算法硬件加速器及方法，属于加速器技术领域，包括：离线算法模块以及硬件加速模块，硬件加速模块包括编译模块以及开发板运行模块；离线算法模块，用于生成车牌识别算法；编译模块，用于将车牌识别算法编译成DPU...; 黄奕张民韩大海

开放场景中的高精度车牌识别算法: 2024年; 目前,限制条件下的车牌识别算法比较成熟,广泛应用于各种车牌识别系统。由于拍摄角度差异较大、车辆运动模糊等因素的影响,中文车牌识别仍具有较大的挑战性。针对上述问题,该文放弃单一的端到端深度学习的车牌识别方法,提出了一种检测、分类一体化的逐级车牌识别算法,采用逐级对象检测策略与字符分类相结合预测车牌的字符结果。在此基础上,提出一种多锚点字符位置回归算法,进一步精确回归所有车牌字符的局部区域位置信息。同时为了满足字符检测和字符分类的需求,解决现有车牌数据集类别不均衡的问题,该文贡献了一系列配套的车牌数据集。充分实验表明,该方法在不同数据集上都能达到目前的先进水平,并在公开数据集CCPD上准确率达到了99%,在开放场景中具备高精度和高鲁棒性。; 舒森邓春华; 关键词：车牌识别

基于深度学习的路牙机车牌识别算法研究与系统开发: 路牙机作为一种停车管理设备,旨在实现对路侧停车的无人化智能管理。车牌识别是路牙机完成车辆停车管理的核心关键技术,其算法的优劣直接影响路牙机的管理效率。然而,由于路牙机的实际工作环境较为复杂,如极端天气、光照不均以及路牙机...; 杨延坤; 关键词：车牌检测车牌字符识别

基于改进YOLOv8与字符提取的复杂环境下车牌识别算法研究及应用: 随着时代的快速发展,车辆在日常生活中的使用频率不断攀升,交通压力日益加大,这对智慧交通的建设提出了更高的要求。为实现车辆车牌的高效检测与识别,迫切需要引入更为高效的技术手段。在深度学习技术的不断发展下,其在车牌识别领域得...; 谢一帆; 关键词：车牌检测字符提取

基于深度学习的车牌识别算法: 2024年; 为解决复杂环境下车牌检测与识别模型速度慢、精度低的问题,提出了一种复杂环境下能高精度进行车牌检测和识别的端到端车牌识别算法。在YOLOv7网络层的特征层输出的过程中加入了CBAM通道注意力机制,提高了模型的特征提取能力;采用改进后的YOLOv7算法对复杂环境下的车牌进行检测,将检测到的车牌区域进行预处理操作,将经过处理的车牌输入到改进的CNN识别模型进行字符识别。实验结果表明,加入注意力机制后的YOLOv7检测模型的检测均值平均精度达到87.5%,改进后的模型识别准确率达到97.16%,明显优于传统的车牌识别技术,且在复杂环境识别效果良好,具有实际应用价值。; 吴媛媛石琦; 关键词：目标检测车牌识别

一种基于OpenCV函数的车牌识别算法: 2024年; 为了快速准确识别图片中的车牌信息,本文提出了一种基于OpenCV函数的快速识别算法。本算法首先对图片进行预处理;其次在图片中定位出车牌位置并对其进行矫正;再次识别其颜色并分割字符,然后导入机器学习模型,使用OpenCV中的sample用于SVM训练;最后完成车牌的识别并保存输出准确的车牌信息。通过对车牌图片数据集的验证分析,对比其他车牌识别算法,本算法识别准确率在96.7%以上,这表明此算法满足车牌识别的实际需求。; 曹文平王益普; 关键词：OPENCV SVM 车牌识别

基于改进图像增强及CNN的复杂环境车牌识别算法被引量：2: 2024年; 传统图像识别和深度学习模型较难检测复杂环境下的车牌,其场景适用性和精确率较低,从而严重威胁交通安全,影响智慧交通发展。基于此,文中提出了一种基于改进图像增强及CNN的复杂环境车牌识别算法。首先,结合目标图像的平均灰度值,利用ACE算法和暗通道先验去雾算法对复杂环境下的车牌数据集进行图像增强;然后提出了一种融合色彩关键特征和波峰关键特征的车牌区域定位算法,通过8个核心步骤有效定位复杂环境下车牌的区域;最后构建五层卷积神经网络的模型,以实现车牌字符识别。实验结果表明,所提算法能有效识别复杂环境下行驶车辆的车牌,该算法在复杂环境车牌区域定位的精确率为86.04%,召回率为82.60%,F 1值为84.29%,其F 1值比传统图像处理算法提升了47.29%,比SSD算法提升了24.73%,比YOLO算法提升了26.37%,比YOLOv3提升了17.15%。同时,所提方法的时间复杂度较低,属于一种轻量级的车牌识别方法,能消除噪声并实现车牌字符识别,具有一定的应用前景和实用价值,也将为智慧交通的研究提供理论基础。; 杨秀璋武帅任天舒廖文婧项美玉于小民刘建义陈登建; 关键词：车牌识别图像增强复杂环境智慧交通

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈