计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2012年
10期
357-361
,共5页
交通肇事%图像复原%字典%车牌识别
交通肇事%圖像複原%字典%車牌識彆
교통조사%도상복원%자전%차패식별
针对交通肇事中智能交通监控系统由于事故车辆快速逃逸导致其车牌难以辨识的问题,研究了智能交通监控系统中如何克服监控图像模糊,实现逃逸车辆的车牌自动识别.根据逃逸车辆和监控摄像设备之间的空间几何关系以及车牌图像的灰度特点,提出了一种融合监控录像视频复原和车牌号码局部HOG特征的交通肇事逃逸车辆的车牌自动识别算法.算法主要包含两个关键步骤:监控录像的复原和车牌号码的自动识别.算法首先将监控录像中的关键帧进行频域分析,得到车辆的逃逸方向和逃逸速度,进而判断造成监控图像模糊的关键参数,并据此对监控图像进行复原;然后通过车牌号码局部HOG特征提取和构建特征字典,并求解字符图像HOG特征的稀疏系数,进而完成车牌的自动识别.实验结果表明,算法能很好地复原交通监控录像中的关键帧,在车牌识别功能上,改进方法与BP神经网络法相比有很高的正确识别率,具有很大的应用价值.
針對交通肇事中智能交通鑑控繫統由于事故車輛快速逃逸導緻其車牌難以辨識的問題,研究瞭智能交通鑑控繫統中如何剋服鑑控圖像模糊,實現逃逸車輛的車牌自動識彆.根據逃逸車輛和鑑控攝像設備之間的空間幾何關繫以及車牌圖像的灰度特點,提齣瞭一種融閤鑑控錄像視頻複原和車牌號碼跼部HOG特徵的交通肇事逃逸車輛的車牌自動識彆算法.算法主要包含兩箇關鍵步驟:鑑控錄像的複原和車牌號碼的自動識彆.算法首先將鑑控錄像中的關鍵幀進行頻域分析,得到車輛的逃逸方嚮和逃逸速度,進而判斷造成鑑控圖像模糊的關鍵參數,併據此對鑑控圖像進行複原;然後通過車牌號碼跼部HOG特徵提取和構建特徵字典,併求解字符圖像HOG特徵的稀疏繫數,進而完成車牌的自動識彆.實驗結果錶明,算法能很好地複原交通鑑控錄像中的關鍵幀,在車牌識彆功能上,改進方法與BP神經網絡法相比有很高的正確識彆率,具有很大的應用價值.
침대교통조사중지능교통감공계통유우사고차량쾌속도일도치기차패난이변식적문제,연구료지능교통감공계통중여하극복감공도상모호,실현도일차량적차패자동식별.근거도일차량화감공섭상설비지간적공간궤하관계이급차패도상적회도특점,제출료일충융합감공록상시빈복원화차패호마국부HOG특정적교통조사도일차량적차패자동식별산법.산법주요포함량개관건보취:감공록상적복원화차패호마적자동식별.산법수선장감공록상중적관건정진행빈역분석,득도차량적도일방향화도일속도,진이판단조성감공도상모호적관건삼수,병거차대감공도상진행복원;연후통과차패호마국부HOG특정제취화구건특정자전,병구해자부도상HOG특정적희소계수,진이완성차패적자동식별.실험결과표명,산법능흔호지복원교통감공록상중적관건정,재차패식별공능상,개진방법여BP신경망락법상비유흔고적정학식별솔,구유흔대적응용개치.