1) license plate recognition
车牌识别
1.
Research on License Plate Location and Character Segmentation in License Plate Recognition System;
车牌识别系统中车牌定位与字符分割的研究
2.
Research on Key Techniques of Vehicle License Plate Recognition under Nature Scenes;
自然背景下车牌识别关键技术研究
3.
Research on Key Techniques of Low-Quality License Plate Recognition;
低质量车牌识别中关键技术的研究
2) Vehicle License Plate Recognition
车牌识别
1.
Application of wavelet transform and neural network in vehicle license plate recognition;
小波变换和神经网络在车牌识别中的应用
2.
A vehicle license plate recognition method based on characteristic information;
一种基于特征信息的车牌识别方法
3.
A vehicle license plate recognition method based on the characteristics of vehicle license plate is presented in this paper.
提出一种基于车牌特征信息分析的车牌识别方法,它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈,将二值化、车牌定位和字符分割紧密结合,注重车牌与车辆背景图像分离特征,以连通域分析为字符分割特点,结合局部二值化算法,提高正确率。
3) LPR
车牌识别
1.
Improvement of Threshold Value Selection Means in LPR;
在车牌识别项目中对阈值选定法的一点改进
2.
Hardware Design and Implementation for a LPR Card Based on TI C6201 DSP Processor
基于TIC6201 DSP的车牌识别卡硬件设计与实现
3.
The plate segmentation is a very important issues in LPR.
车牌的分割是车牌识别中比较重要的环节。
4) vehicle plate recognition
车牌识别
1.
Application of image segmentation technology in the vehicle plate recognition system;
图像分割技术在车牌识别系统中的应用
2.
The paper constructs a testing system for loop-derector-triggered VPRS(vehicle plate recognition systems) .
设计并实现了基于线圈触发的车牌识别测试系统,对记录的真实道路视频和线圈信号同步回放,重现了道路现场环境,解决了现场测试过程繁琐和测试结果可比性不强的问题。
3.
At the same time, as the information collection method for ITS, the vehicle plate recognition technology has also developed very fast.
国内近几年城市智能交通系统发展的很快,车牌识别系统作为城市智能交通系统中信息采集的一种手段,也得到了很快的发展。
5) plate recognition
车牌识别
1.
Research of License Plate Recognition Technology Based on Image Processing;
基于图像处理的车牌识别技术的研究
6) vehicle license plate recognition
车牌照识别
1.
Based on the data from Vehicle License Plate Recognition system and microwave detector.
本文利用车牌照识别、微波等固定检测技术,深入研究了城市快速路上的浮动车——出租车与社会普通车辆行驶特性的关系,并对比分析了浮动车系统计算得到的旅行速度与车牌照识别、微波检测器检测得到的速度间的差异和关系。
补充资料："泛魔"识别模型
一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程，提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼"，由于有许许多多这样的机制在起作用，因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条