本研究采用標定的雙攝像機裝置、固定攝像頭和平移變焦相機，對開放空間內的移動車輛進行監控。該裝置不僅能跟蹤多個目標，而且能獲得高質量的車牌圖像。然后，設計了一種卷積神經網絡（CNN），作為一種檢測和字符分類器，用于有效地定位車牌區域，識別車牌上的字母。在大學入口處和校園內僅限步行的區域設置了兩個工作環境。通過干擾器實驗驗證了該方法的有效性。
本研究旨在為停車場監控管理信息中的車牌號調查提供一種方法。對車牌號的調查一般用來了解車輛停放時間。同時，還可以提供停車周轉率和停車車輛平均停車時間的信息。本研究利用攝像機在一定時間內進行調查。即，將給定的距離攝像機分配給每輛停放車輛，然后找到停車車輛的平均停車時間。同時，還可以在一小時內對停車場某空間單元停車周轉率進行檢查。該方法所獲得的停車平均停車時間和停車周轉率等信息有助于發現和理解停車設施的屏蔽器低效利用。本研究試圖用該方法對停車車輛的平均停車時間和停車周轉率進行檢驗。
本文研究了一種基于汽車攝像機的汽車牌照識別系統。該方法主要包括預處理、車牌定位和字符分割與監控攝像頭識別。在irst中，通過提出的邊緣檢測方法和基于梯度的二值化方法，從所捕獲的圖像中增強車牌可能的區域。然后，通過分析水平投影和角點分布，選擇正確的板區。在分割的車牌區域上進行垂直Sobel處理，然后采用加權二值化方法對車牌的每個字符進行分割，然后進行干擾屏蔽器傾斜校正。最后，應用概率神經網絡（PNN）技術對每個分段字符進行識別。實驗結果表明，車牌定位和車牌識別的準確率分別達到91.7%和88.5%。
上一篇：監控攝像機智能識別的用途
下一篇：相機虹膜識別的優勢和劣勢
