搜索资源列表
bp神经网络的车辆分类
- c语言编写的基于BP神经网络的对图像车辆分类，其中图像特征提取是用图像不变矩，给出了图像不变矩的样本数据和验证数据。-based BP neural network image of the vehicle classification, Feature Extraction which is the same image moments, the image is unchanged Moments sample data and test data.
Vehicle_Detection
- 该文件使用特征点提取-图像匹配-图像剪影三部，精确检测车辆或运动物体。-the documents Feature Extraction-Image Matching - Image Capture 3, accurate detection of vehicles or moving objects.
cxsb
- 通过背景差获取目标，提取车辆的不变矩，外加矩形度，圆形度，体态比等特征构成特征向量组，通过欧式距离识别出车辆。-through poor background, target acquisition, unchanged from the moment vehicles, plus rectangular, circular, Body composition characteristics than the eigenvector group, by the Continental dista
Mybp539
- 数据是来源于图像的不变矩提取，这里是用matlab实现的，后面可能需要用vc实现，不过也不一定，数据是由房房同学提供的，说不定不用做 利用最简单的bp神经网络来实现分类，一共两类车辆，这里是模拟实现把，识别效果还能用，先凑合着把，这里的特征提取也够玄乎。
chepaishibie2
- 在车辆牌照自动识别系统中,因自然因素或采 样因素使得原本规则的印刷体字符产生畸变,给字符识别带 来了很大困难。本文在特征抽取的基础上,采用BP网络进行 分类,并附加线性感知器来实现单字的有效识别。该方法算法 简便,识别率高,可适用于多种高噪声环境中的印刷体字符识 别。
chepaishibie3
- 车辆牌照定位是车辆牌照识别中的重要步骤,文章针对车辆图象的复杂背景及非 均匀的光照条件,提出了一种基于特征的车牌实时定位算法。实验结果表明,该算法定位准确率较 高,鲁棒性较好。
chepaishibie4
- 提出一种用于车辆牌照定位的新方法。该方法利用遗传算法对图像进行优化搜索,结合区域特征矢量构造的适 应度函数,最终寻找到牌照区域的最佳定位参量。实验结果表明,该方法抗噪声的能力强,提取出的牌照准确、完 整,具有很好的实用价值。
THERESEARCHOFTECHNOLOGYINLICENSE
- 车牌的字符识别是整个车牌识别过程中重要的一环，识别方法的好坏直接影 响到了整个车牌最后的识别结果，关键在于特征的选择和匹配，难点主要是由于 受到摄像机的性能、车牌的整洁程度、光照条件和车辆运动等因素的影响使得车 牌字符出现较严重的模糊、缺损或污染，本文采用组合法对汉字和字母、数字分 别进行识别，得到了一个较好的处理结果。
一个用VC6.0实现的车牌定位和识别系统
- 一个用VC6.0实现的车牌定位和识别系统。例如打开一张含有车牌号的车辆图片，他会首先定位车牌号，然后通过特征提取等处理识别改车牌-Implementation of a license plate with VC6.0 location and identification system
bp
- c语言编写的基于BP神经网络的对图像车辆分类，其中图像特征提取是用图像不变矩，给出了图像不变矩的样本数据和验证数据.rar-err
AVehicleContourbasedMethodforOcclusion
- 摘要：在交通场景下进行多目标跟踪时，如何正确检测出车辆间的相互遮挡是影响车辆跟踪结果的关键。针对问题，运用投 影理论分析交通场景的三维几何投影特征．用长方体投影轮廓模型对车辆进行建模，重构其乏维投影轮廓，以进行遮挡的检 测和分离。与以往的方法相比，它在估计出的车辆外形轮廓基础t-进行遮挡检测，不需要匹配操作，计算量较小，并能解决 基于匹配的方法无法对付的初始遮挡问题。用实验验证了该算法的有效性。-In multi—object tracking of traf氍c scene。how
IntelligentTransportationSystem
- 本文主要研究了基于视频的车型自动识别系统，系统通过对摄像机采集的视 频图像进行运动车辆检测分割、特征提取与选择、模式识别等处理，达到实时车 型识别-This paper mainly studies video-based automatic vehicle identification system, the system collected through the camera video image vehicle detection exercise segmentation,
pictures
- 大量大小规格一样的照片，车辆和公路背景。图片可用来训练Haar特征-A large number of photographs of the same size specifications, vehicle and road background. Images can be used to train the Haar feature
DelaminationRetrieval
- 形状特征是武器装备目标识别的关键因素。针对归一化后轴夹角的特点和小波描述子多尺度描述轮廓曲 线的特性，提出一种R树索引的分层检索技术模型，在模型库空间逐级过滤出与目标相似的模板，以保证检索的效 率和准确性，并通过对军用车辆的检索实验验证了模型的有效性。-The shape features of military weapons＆equipment are the most important key factors of image object recognition．Aimin
006
- 车辆识别系统主要由车牌定位、字符分割和字符识别三个部分组成。车牌定位是指将车牌区域从车辆图像中分割出来，车牌定位是车牌自动识别技术中一个至关重要的环切。其定位的速度和准确程序直接影响到车牌识别系统的性能。车牌定位的方法的出发点是通过车牌区域的特征来判断牌照。而车牌定位主要包含两个关键技术问题：图像的预处理和车牌定位的算法。本文针对车牌识别系统中关于静态图片中的车牌定位问题，主要运用了图像处理的知识，在VC开发平台上，通过对静态图片进行灰度变换，二值化，中值滤波等一系列处理，利用投影检测算法实现了
chepaidingweiyanjiu
- 本文是在以往的车牌分割算法的基础上着重介绍了一种车牌识别技术中的 字符分割算法，以及针对一种已有的字符识别算法的改进性研究。 车牌自动识别技术是指能够检测到受监控路面的车辆并自动提取车辆车牌 信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理与识别的技术。 它以计算机技术、图像处理技术、模糊识别技术为基础，建立运动车辆的特征模 型，识别车辆特征，如号牌、车型、颜色等，并着重解决高速车辆图像的获取及 清晰度问题 本章是本文的绪论部分，主要介绍了车牌识别技术的应用
a-detection-method-based-on-feature
- 作者采用基于特征的车辆检测方法，其算法执行速度比较快，能够适应单目视觉系统的使用需要，而且也无须像基于训练的方法那样利用选取的车辆特征集对样本数据进行训练。本方法直接从图像中提取用于车辆检测的特征，以此来判断车辆是否存在并确定车辆的位置。-Of feature-based vehicle detection method, the algorithm performs faster, able to adapt to the use of the monocular vision system,
VehicleDetectionSystem-master
- 对车辆进行检测，车辆特征已包含，附带视频-The vehicle detection, vehicle features are included, with video
Traffic-Statistics-Based-on-Video
- 该程序基于视频统计车流量。该算法通过识别出交通场景图像中复合车辆特征的像素，进行图像分割，并依据提取出来的特征来匹配前后两幅图像中的车辆，从而计算车流量。-The program is based on the video statistics vehicle traffic. The algorithm calculates the traffic volume by recognizing the pixels of the composite vehicle feature in the
vehicle
- 运用车底阴影特征实现图片中的前方车辆检测(Use vehicle shadow feature to detect vehicle in front of image)