搜尋結果
100學年度 專題期末報告 車牌辨識系統 專題組員:B09702108 徐莘杰 B09702177 郭仲原 B09702009 邱俊傑 B09702129 楊明學 指導老師:連振昌 教授 專題編號: PRJ2011-CSIE-10002 執行時間: 100 年 3 月 至 101 年 1 月
本專題主要使用OPENCV函式庫製作車牌辨識系統,透過記錄車牌號碼結合定位,駕駛人可以更省時、便利的方式找到停車位以及自己停車的位置。 關鍵詞: OpenCV(Open Source Computer Vision Library) 二、 緣由與目的. 在目前幾乎所有停車場,都需要在進入時索取token,以便計算繳費時間,但是token本身體積很小,很容易遭使用者遺失,而停車場對於token的求償價格,往往十分的昂貴,而且在進出口時,都必須索取和退還token,這行為也會導致停車場的進出效率降低。 所以我們希望藉由停車場出入口的車牌辨識系統,可以有效的改善上述情況。
車牌辨識系統. 指導教授:邱日清教授. 參展人員:林育安、葉勇彬. 壹、摘要. 本專題藉由IP-Camera 的串流影像, 在Windows系統使用Visual Studio 載入OpenCV 開源程式碼,經過影像處理, 偵測影像中的車牌並辨識之,同時輸出該車牌資料。 貳、動機. 由於中山大學校園腹地廣大,有些院所座落在山上, 大部分的學生都是以機車為代步工具,故機車族群眾多。 學校將車牌資訊與學生連結,以方便管理龐大的車籍資料。但光靠人力無法即時分辨校內外人士車輛, 故希望藉由此車牌辨識系統,達到有效管理之目標。 参、系統架構. ( 一)主架構. RTSP IP_CAM. 硬體包括一台電腦與IP_Cam ,我們利用即時串流協定RTSP 傳送幀率30、 長寬為800X600的影像到電腦。
嘉南藥理學院專題研究計劃成果報告. 自動車牌辨識系統之研製. 計劃編號: CNMI-88-01. 計劃類別: 個別型. 主持人: 黃文楨. 協同研究: 本研究的目的在於將影像攫取之後,希望能自動辨路的自動收費系統,違規照相之處會治安。 本研究是將電腦視覺與影像處輛牌照,可應用於高速公況,維護社中,可以節省許多人工輸入的時間。 本系統可以從一張或張已知的影像中,絕取出有效的資訊,分析並判斷這些資訊,以轉化為有意義的牌照本系統的處. 影像的取得. 車牌位置的攫取. 車牌號碼的字元分割. 字元特徵的攫取. 類神. 資料. 即時的比對處理. 輸出結果. 關鍵字: 類神經網路,影像處理,車牌辨識,電腦視覺,圖形識別. 前言. 轟動一時的彭宛如命案,因為犯案的計程車的牌照無法得知,以至於案情無法突破。
新世代車牌辨識技術多元化,應用於道路車流量分析,當車流量大時,運用即時雲端系統記錄分析行經車輛路線,並回傳至伺服器,而各要素間的因果關聯特性技術,協助系統進行相關即時監看與即時回報,當有異常情況時(如飆車族、酒駕、車禍肇逃等),使用車牌辨識系統連結手機定位找出該車行經路線、可瞭解駕駛人競速方式、車輛特性結構、共犯位置等。 為求得事件相關脈絡,並完整呈現事實過程、行進路線及發生時間、地點及過程,有效的數位鑑識分析是犯罪偵查中重要的一環,對嫌犯車牌採取關聯分析,經大量資料比對並連接警用系統定位車輛方位、角度等資訊,可協助掌握駕駛人的運動方向。
SVM學習篩選結果. OCR數字辨識. 車牌辨識. 找出車牌(License plate detection) 車牌轉正(License plate alignment) 車號辨識(License plate recognition) 車牌辨識應用. 車牌辨識技術可應用於: 贓車自動偵測. 路口監視器、警員身上穿戴式裝置. 自動收費系統. 路邊停車格、定點式停車場、高速公路ETC. 科技執法. 路口監視器、路燈、公車行車記錄器.
本篇專題實作的辨識流程分為兩大部份,第一部份是將影像中的車牌區域擷取出來,以供後面辨識使用;第二個部份是將前面擷取出的車牌影像中的號碼依序切割出來並加以辨識,最後將辨識結果顯現出來。 關鍵字:車牌、辨識. 研究動機研究動機研究動機研究動機. 由於汽車已經變成人們主要的交通工具,車輛的管理顯得更為重要,傳統用人工進行管理的方法不符合經濟成本,於是想藉由對車牌的辨識,應用於對車輛的管理。 並藉由實作空間域的影像處理,瞭解影像處理的原理。 研究目標研究目標研究目標研究目標. 藉由車牌辨識的應用,可以大大地減輕管理人員的負荷,在系統技術成熟的情況下,也可以提高系統的自動化程度。 系統限制系統限制系統限制系統限制. 專題的實驗對象為數位相機拍攝的車牌照片,拍攝距離約為一到二公尺,照片的大小為.
研究報告下載. 隨著資訊科技與影像處理技術之進步，車牌辨識系統的研發與應用日漸成熟，且辨識速度及準確率亦有提升，實際應用的潛力也日益增加；若是在號牌設計方面亦能配合加以改進，則更能發揮其應用績效。. 本研究首先回顧車牌辨識系統與數位 ...
因此，本研究透過深度學習(Deep Learning)方式執行車牌辨識，以因應攝影機所拍攝畫面之光源、角度等環境變因，進而提升辨識準確率。 此外，電源供應在移動載具上並非易事，因此電源消耗亦為重點考量，故本研究選擇輕量的網路架構。
車牌辨識系統的研究迄今已超過十年，而且全世界不論學界、業界都 在做，然而到現在為止，在實際應用上仍有許多限制，否則就是辨識效果 太差，現實環境下的辨識率和實驗室環境下的辨識率有極大的差異，顯示 目前所提出的各種方法其外部效度極低。 吾人有幸參加幾個縣警局的「贓 車自動辨識系統」採購案的評審工作，發現國內外號稱辨識率達九成以上 的車牌辨識系統，在天候良好光線充足的白天進行實際路測，其車牌正確 辨識率皆不到七成，甚至低到三成、五成，更遺憾的是這些結果都是固定 攝影機、而且幾乎是固定背景的條件下所做的實測，若屬於條件完全不設 限的情況下，其結果想必更差。 反觀人類對車牌的定位、車號的辨認完全 不是問題，快而準。
