摘要：为提高雾霾条件下的车牌检测精度,提出一种无锚车牌检测算法。该算法不对雾霾图像进行去雾处理,避免图像失真,将雾霾图及反映其深度信息的直接传输率图作为两个并行的特征提取源来丰富学习特征,增强网络的深度感知能力。设计基于特征金字塔网络FPN(feature pyramid networks)的并行FPN结构对两个特征提取源进行特征提取,处理网络多输入以及车牌多尺度变化的问题。提出融合空洞卷积和注意力机制的渐进融合结构,促进不同来源特征的协同表示和渐进融合。加入特征增强块降低空间特征损失,加强特征表达。实验结果表明,该算法能有效提高雾霾条件下的车牌检测精度。

摘要：针对交通监控视频场景下车牌检测性能较低的问题,提出一种车牌检测与跟踪框架。为进一步改善面向监控视频中的车牌检测,一种合理的方法是利用相邻帧之间的上下文信息。通过车辆跟踪,间接为视频序列中的每个车牌分配一个唯一的ID。基于此扩展当前最先进的车牌检测模型,进一步提高检测性能。提出一种具有深度特征的孪生网络目标跟踪算法实现稳健的车牌跟踪,提供更加准确的定位结果。在创建的交通监控车牌数据集进行大量实验,验证了所提算法的车牌检测性能高于其它算法,验证了其有效性。

摘要：为有效解决自然场景下车牌检测的分类效率和分类准确率之间的矛盾,提出一种鲁棒的快速车牌检测方法。以整个车牌作为训练和检测的基本单位,直接使用卷积网络作为检测器,级联多个卷积网络,对自然场景下的车牌进行检测。通过引入卷积网络作为基本的学习子单元,进一步把多个子单元组织成级联结构,满足了自然场景下的车牌检测对检测准确率和检测效率的要求。在现实数据上的实验结果表明,级联卷积网络在保证较低误报率的同时具有较高的检测率和检测效率。

摘要：自然场景下复杂多变的影响因素给车牌检测带来困难,为检测并定位自然场景下移动车辆的车牌区域,通过分析信息融合和多类特征提取的特点,提出基于多类别特征信息融合的车牌检测方法。该算法在两种不同场景数据集上的测试效果验证了信息融合和多类特征提取能显著提高车牌检测的检测率和场景鲁棒性。

摘要：针对光照、车辆密集和低分辨率等复杂场景下车牌定位困难、检测速度慢和准确率低等问题,提出了一种基于注意力机制的车牌快速检测方法。首先,综合车牌的特征,设计了轻量级网络单元LeanNet,并使用该单元构建一种计算量低且精准的骨干网络。其次,设计了MLA(muti-scale light attention)模块,用于引导网络关注不同尺度的车牌,生成基于车牌的局部显著图,抑制背景噪声。最后,设计了一个四尺度预测网络,其中的FSPF(four scale pyramid fusion)模块能够生成四尺度特征金字塔,有利于实现不同尺度车牌的检测。实验结果表明,本文方法在CCPD(Chinese city parking dataset)数据集中的准确识别率为99.12%,与最新的YOLOv4(you only look once v4)检测方法相比,准确率提高了1.9%,运行速度提高了6倍,能够在嵌入式设备中实现复杂场景下的车牌检测。

摘要：针对复杂环境下,现有的车牌检测算法存在漏检及模型参数量过大等问题,提出一种改进YOLOv7的中文车牌检测方法。首先,YOLOv7的骨干网络Backbone使用轻量级卷积GhostConv减少模型训练参数。其次,引入CBAM注意力机制,提升小目标车牌的特征提取能力。然后,Head部分使用可感知特征图的空间信息的CoordConv替换部分卷积,提升模型在背景干扰较大场景下的检测性能。最后,将损失函数CIoU更换为NWD,提高算法在训练过程中的收敛速度。实验结果表明,改进算法提高了模型检测精度的同时可大幅减少模型参数和计算量,实现了复杂场景下中文车牌检测的高精度检测性能。

摘要：通过研究图像处理理论并合理选择相关方法,所设计的车牌检测算法使计算机能够自动定位摄像头拍摄画面中车辆的车牌号码。摄像头拍摄所得画面,经过边缘检测、形态学以及颜色交叉验证等图像处理方法,可将背景图像中的噪声和无关信息去除。最终可得到车牌外接长方形坐标并从原图像中取出,为之后的字符识别提供预处理。

摘要：作为现代化智能领域中的主要技术,车牌的自动识别理论中主要包括了两个不同的部分,分别是车牌的检测与字符的识别.根据车牌检测算法的发展现状,文中出于对车牌检测速度与精度的综合考虑,采用了一种基于学习、由粗检测到精检测的车牌检测技术与方法.该方法在利用车牌的颜色信息与边缘信息对车牌候选区域进行快速检测的基础上,通过数字车牌图像中的梯度方向直方图与支持向量机来实现对真实场景中车牌候选区域的高效筛选.该方法能够对多幅不同光照条件、不同拍摄角度、不同拍摄时间所获取图像进行检测,实验结果表明该算法具有精度高、鲁棒性好的特点,可以满足自然条件下对车牌进行检测的应用需求.

摘要：目前,车牌的检测技术存在受复杂天气、光照度、车牌磨损、车牌倾斜等因素影响的问题,因此设计一种基于FPGA的智能车牌检测系统。该系统采用图像获取、边缘检测、倾斜矫正、腐蚀膨胀等算法,利用车牌部分区别于其他部分的特征,通过FPGA集成化开发环境平台进行硬件实现,能够在复杂的环境中快速实现车牌的图像采集以及定位。

摘要：本论文提出了一种基于图像处理的车牌识别系统设计,系统分为三个部分,第一部分,对采集的图像进行灰度化,图像平滑,边缘检测等操作以进行预处理。第二部分,对预处理后的图片进行车牌定位,并作倾斜矫正。最后使用卷积神经网络,对车牌字符分割后提取出来单个字符的结果进行识别。