超级会员免费看
本文提出了一种基于SURF算法的多阶段车牌定位模型，旨在准确检测不同条件下的车牌。该模型利用特征矩阵的行协方差系数定义候选区域，并通过四维特征描述符提取车牌信息，结合Hessian矩阵对字符结构进行度量，提高了在变形、模糊、遮挡和光照变化情况下的定位能力。实验表明，该模型在CCPD数据集上表现良好，无需特定环境参数设置，具有较好的通用性。
摘要
不同类型车辆的车牌形状、大小及颜色有所不同。为对不同拍摄视角、尺度、背景、光照强度及各种形式遮挡下的各型车牌进行准确检测，提出一种基于SURF算法的多阶段车牌定位模型。该模型考虑车牌丰富的纹理和结构信息，借助SURF特征矩阵的行协方差系数分布定义车牌候选区域的特征，从而得到多个差异明显的分块区域；同时提出一个新的四维特征描述符精准提取车牌候选区域，并基于Hessian矩阵对车牌字符结构特征的度量实现对车牌区域的判别。通过在CCPD数据集上进行测试，发现该模型不需要任何受控条件或环境参数设置，具有定位变形、模糊、污损以及光照变化情况下车牌的能力。
0 引言
基于计算机视觉的智能交通系统（Intelligent Traffic System，ITS）已在多种实时应用中发挥关键作用，如电子通行费支付
订阅专栏 解锁全文
扫一扫
1784
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
