林哲
幼苗
共回答了18个问题采纳率:77.8% 举报
3.1跟踪
通常,那些假阳性检测器检测从我们的车牌是无规律,若在汽车车身的时间,他们的情况并不一致.我们用这个事实对我们有利的候选车牌区域跟踪了尽可能多帧.然后,只有那些地区与一个光滑轨迹被认为是有效的.跟踪牌照也产生一个序列的车牌目的,可作为输入一个超级分辨率OCR前进行预处理环节.
存在众多的跟踪算法可以应用到我们的问题.也许最著名和最受欢迎的是Kanade-Lucas-Tomasi(KLT)盈.利用KLT跟踪器的哈里斯角落的检测特点,探测器进行良好的感兴趣区域(我们)和措施车牌每帧的相似性
第一个让仿射变换.沙利文etal.利用还相机为目的,通过定义区域跟踪车辆(ROI)选择感兴趣的跨越各自的跑道.他们倡导当一个边缘特征跟踪观察到投资回报率和预测未来的位置的车辆.那些轨道与大多数准确的预言被认为是有效的.Okumaet王汝成等使用百合和琼斯检测曲棍球运动员框架,然后应用混合使用检测作为粒子滤波跟踪这个假说的球员.
尽管每一种跟踪方法可能会工作得很好我们的申请,我们选择在一个更简单的方法在实践中效果良好.因为是有效的检测车牌简单运行我们的探测器在每一帧和每个侦测我们确定,检测板是一种新型的钢板或实例的板已被追踪.来确定一个检测是新的,板检查下列条件:
在T•盘子的像素的一个现有的盈
在T•平板的像素的一个现有的跟踪和板材在θ度的一般运动的方向该板在历史上的地位
如果这些都是真实的,盘子被添加到相应的跟踪,否则一个算法是为了那盘.在应用软件T”是一个数量级比我们追踪算法T用于丢弃的误报率从车牌侦测器.不稳定的运动检测通常导致错误开始的几个追踪每几个序列图像的存储.5帧图像序列或减少discarded.问题补充:
3.2字符识别
这是我们的初衷,运用一个二值化算法,如修改的版本的算法Niblack使用,陈和Yuille提取车牌图像从我们的探测器,然后使用图像二值作为输入到一个商业OCR技术包裹.我们发现,然而,即使在104年的一项决议,×31 OCR包裹我们尝试取得了很差的结果.也许这
不应该感到惊讶考虑许多定制解决方案应用于现有LPR光学系统.
1年前
6