车牌识别在智能交通中的应用与发展趋势

车辆号牌是对车辆身份识别的标记,它的特殊性和重要性决定了车牌识别系统成为城市智能交通管理系统中不可或缺的重要组成部分。作为现代交通管理手段的重要一环,车牌识别经过多年的发展,已不再是单一的识别车牌,而是朝着更广泛的应用领域、更多的功能方向发展,为自动化的智能交通管理提供了高效、实用的手段。本文将对车牌识别的发展以及其在智能交通中的应用与发展趋势作些介绍。     

智能分析技术在集成领域的应用解析

正一、智能分析技术在集成领域的发展现状智能分析技术属于人工智能中的模式识别,起源于计算机视觉技术、综合应用图像处理、目标检测与跟踪、模式识别等技术,对视频场景中的目标进行检测分析,实现图像质量诊断、人脸识别、车牌识别、视频检索等功能。智能视频分析技术可减少由于人员疏忽或离开错过的重要监控信息,使监控管理更加方便高效。安防智能化不仅仅指的是视频的智能分析技术,还包括系统和安全层     

复杂背景下的车牌定位方法

分析了以前各种定位算法的优点和不足,提出了一种新的车牌二次定位算法.在车辆图像预处理的基础上,首先使用粗定位确定出车牌存在的大概范围,然后再使用精确定位得到最终的车牌区域.这样做的好处在于图像经过粗定位后,无论是图像大小还是背景干扰都比原图像要小很多,因此车牌在精确定位时不但具有较好的精度,而且算法的执行速度也得到了大幅提升.     

全视频车牌识别技术在停车场系统的应用

车牌识别在停车场系统的应用现状 　　目前在停车场系统中,车牌识别技术得到了越来越广泛的应用.在传统的停车场系统中,对于车辆的检测主要使用线圈、传感器等,对于车辆的管理主要是使用IC卡.线圈、传感器等检测手段施工复杂,长时间使用后故障率提高,而且在施工时如果位置选择不当经常会出现误动作,而传感器等对于其他物体的干扰也不容易判断,经常出现误触发的现象;IC卡使用时有卡片易损坏,出现消磁等问题,同时对于一卡多车的作弊手段防范不利.车牌识别的优势在于可以把卡和车对应起来,提高管理水平.……     

一种基于改进模板匹配方法的车牌字符识别研究

模板匹配算法是字符识别中最常用的一种算法.本文首先介绍了我国车牌字符的基本特征与现有的字符识别方法,其次说明了模板匹配算法的基本原理,紧接着在传统模板匹配方法的基础上提出了一种改进的模板匹配算法,最后用实验的方法对本算法进行论证.实验结果表明本文所提出的改进的模板匹配算法具有较高的识别率和鲁棒性,并且大大减少了计算量,加快了识别速度.     

基于自动种子区域生长的火焰分割算法

在存在壁面反射的低照度火灾环境中,传统的火焰分割算法如颜色分割、运动检测等,在进行火焰分割时造成过分割现象,分割的效果不理想,影响后续的火灾正确识别。针对上述问题,提出了一种基于自动种子区域生长(Automatic Seeded Region Growing,ASRG)的火焰分割算法。首先将从火灾视频中获取的火灾图像从RGB颜色空间转换到YCbCr颜色空间,在Y通道中采用较大自适应阈值背景减法将火灾图像二值化,分别将可疑火焰像素点的横坐标和纵坐标按大小进行排序,取排序后的中间值作为种子点,再由原RGB火灾图像转换而成的灰度图像中,以该种子点进行区域生长,最后将区域生长后的火焰分割图像与采用较小自适应阈值背景减法得到的火焰分割图像进行交集处理,得到最终的火焰分割图像。实验表明ASRG算法在存在壁面反射的低照度火灾环境中,火焰分割效果好,有效解决了该环境下的火焰过分割问题,同时在其他火灾环境中也有较好的火焰分割效果。     

智能分析技术在集成领域的应用有待挖掘

正智能分析技术属于人工智能中的模式识别,起源于计算机视觉技术、综合应用图像处理、目标检测与跟踪、模式识别等技术,在几乎不需要人为干预的情况下,对视频场景中的目标进行检测分析,实现图像质量诊断、人脸识别、车牌识别、视频检索等功能,从而做到既能完成日常管理又能在异常情况发生时及时作出反应。近年来,人们对智能分析的需求更加强烈,不仅在大型平安城市、金融等系统性安防建设中应用普遍,一些中小型项目对智能分析的需求更是逐渐增多。其     

高能X射线包裹图像边沿特征识别方法

针对包裹在进行X射线安检过程中,普遍存在包裹边沿区域自身结构特征如金属制加固筋、扣环以及提手等对违禁品自动探测产生的干扰问题,研究了一种包裹图像边沿特征区域识别方法:根据高能X射线材料特征,结合图像分割、图像模式识别技术,利用图像的形态学分析,定位出包裹边沿区域;然后通过一种阈值选取与连通区测量方式,实现对边沿特征区的识别过程。该试验结果表明,方法能够有效地识别出包裹图像边沿的金属制加固筋、扣环以及提手等特征区,对提高X射线安检设备违禁品自动探测的精度有一定的帮助作用。     

图像型火灾火焰探测原理

根据火灾火焰的颜色特性、闪烁频率特性、形态变化特性及其发生发展在图像上所表现出来的趋势特征,设计分析了图像型火灾火焰的序列帧识别原理,并结合工程应用的分类特性,论述了图像型火灾火焰的干扰及其使用图像的小块分割算法和外形判断的干扰排除方法.     

深度学习在图像识别领域的应用现状与优势

正引言目前在安防领域,用户关注的智能功能包括运动目标检测、目标分类、目标颜色识别、行人检测、人脸检测、人脸识别、车辆检测、车型识别、车系识别、车牌识别、流量统计、密度检测等。这些智能模块均源于图像识别技术,但由于复杂度、成熟度差异较大,在平安城市等实战应用中的现状也干差万别。     

林区道路自动监控系统的研究

阐述了目前我国林区车辆监控现状,介绍了智能视频车辆监控系统组成与功能,以及车牌自动识别系统识别车牌的三大步骤和未来发展前景.     

来吉智能(LAIJI)

正结合互联网技术,轻松完成手机缴费、手机寻车等功能产品名称:尊享版车牌识别系统(云停车)产品型号:LK6061公司全称:深圳来吉智能科技有限公司公司网址:http://www.slec.com.cn一、研发背景目前传统机箱加相机立柱的车牌识别解决方案,在现场系统构建与布线过程中穿线不方便,接线要求较高     

人工智能技术在应急管理的应用研究

自从我国成立应急管理部以来,应急管理工作职责发生了较大的变化,管理的范围也更加广泛。自2016年以来,人工智能技术也得到长足的发展,人脸识别、车牌识别、视频结构化、物体深度技术进入商用阶段。人工智能技术和应急管理工作相结合,产生了丰富的应用技术、方法和场景,本文从应急管理工作中的危化品管理、安全生产风险识别监测等方面进行了应用研究。     

智能视频监控检测对比

人运动的视觉分析是计算机视觉领域中最活跃的研究主题之一，其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别人并对其行为进行理解与描述，属于图像分析和理解的范畴。动态场景中运动的快速分割、人体的非刚性运动、人体自遮挡和目标之间互遮挡的处理等为人的运动分析研究带来了一定的挑战。[编者按]     

红外热成像技术与人工智能技术创新融合的探析

在2020年初新冠肺炎疫情出现前,红外热成像技术已在军用、边检等领域进行了广泛应用,因其非接触、无感、筛查速度快的特点,红外热成像体温检测仪迅速成为快速筛查人群体温的优选方案。针对人群密集场所的人脸追踪、车牌识别、实名乘车均具备了丰富的行业经验和技术积累。     

浅析套牌车辆的危害及整治对策

<正>车牌就好比人的身份证件,是识别车辆身份的证明之一。所谓套牌行为就是非法复制合法车辆的号牌及行驶证,冒用在其它车辆上的违法行为。由于受到利益的驱动,买卖套牌车辆及车牌的行为屡禁不止,一方面,卖方通过销售套牌车辆或者假冒车牌来获得巨大的     

语义分割的传送带跑偏视频检测算法

为避免在选煤厂进行作业分类时,因矿道传送带跑偏而造成严重的生产事故问题,提出一种融合高斯边缘投影的语义分割视频检测算法,来作为实时监测传送带跑偏的解决方案。首先,通过高斯滤波预处理算法,减少视频图像噪点对神经网络的影响;然后,构建融合高斯投影的径向基神经网络结构,增强图像的边缘信息,并将高斯投影融合至网络中以实现语义分割;最后,在保证识别检测效果的同时尽可能降低网络的计算消耗。结果表明：通过验证分析选煤厂矿道工作视频的试验场景,该算法能够准确识别检测传送带位置,进而实现传送带跑偏警告;同时算法在实现有效功能的同时,较典型的语义分割深度学习模型计算资源消耗更少,计算效率更高。     

一种改进的帧差法实现火焰目标分割

针对传统船舶火灾报警系统采用的传感器在远离火灾源时很难探测到初期火灾的特性,提出了利用摄像头模式识别的方法来探测火源的构想,将顶置鱼眼摄像头作为图像传感器,在一个较大的范围内探测初期火灾,提出了一种基于火焰闪点位置的交叉性与聚合性的帧差算法,实现火焰目标分割识别.该方法是在实时视频流中,对连续两帧图像进行帧差,根据闪点位置的交叉性排除运动物体的干扰,再根据闪点的聚合程度排除一部分游离的干扰闪点,最后得到疑似火焰区域.对疑似火焰区域二值化、抽取轮廓、再由种子点位置确定火焰外形.此法能够高效地从视频图像中分割出火焰,从而为火灾的初期预防报警提供高效识别手段.     

安全技术中图像质量的主客观评估

本文讨论图像压缩算法对安全图像数据的影响。文中比较了客观标准、主观标准和可辨认性等三种有本质不同的评估技术。我们选择了两幅初始质量不同的典型安全图像数据(一块车牌和一张人脸)，采用包括两种专业技术(JPEG和LuRaWave—LWF)和一种应用技术(Karhunen—Loeve变换—KLT)在内的三种不同的压缩技术，从原始图像中依照不同的压缩率得到一系列压缩图像。最后，评估和比较了作为客观标准的MSE(均方差)、依照I—TU—RRec．500的主观图像质量和图像的可辨认性。     

深度学习在人脸识别和安防大数据中的应用

正一、前言人脸识别是生物特征识别技术的一种,有可能是最为重要的一种,也是最近几年发展最为火热的人工智能技术方向之一。理想中,人脸识别的采集过程无需用户配合,具有隐蔽性,符合人的认知习惯,因此在安防领域具有不可替代性,是继车牌识别以后诸厂商重点突破的技术方向。深度学习方法是数据量、计算能力和学术发展到一定阶段产生的新方法,而正是得益于该方法带来的各应用的性能突破,包括人脸识别在内的人工智能技