车辆检测
思诺的产品应用于各企事业单位、基础设施场馆、**机构、交通运输、住宅小区、商业物业等。下面小编给大家说下车辆检测:
车牌识别系统进行视频车辆检测,需要具备很高的处理速度并采用优l秀的算法,在基本不丢帧的情况下实现图像采集、处理。若处理速度慢,则导致丢帧,使系统无法检测到行驶速度较快的车辆,同时也难以保证在有利于识别的位置开始识别处理,影响系统识别率。因此,将视频车辆检测与牌照自动识别相结合具备一定的技术难度。
为了测试一个车牌识别系统识别率,需要将该系统安装在一个实际应用环境中,全天候运行24小时以上,采集至少1000辆自然车流通行时的车牌照进行识别,并且需要将车辆l牌照图像和识别结果存储下来,以便调取查看。然后,还需要得到实际通过的车辆图像以及正确的人工识别结果。之后便可以统计出以下识别率:
1、自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数
2、可识别车牌照的百分率=人工正确读取的车牌照总数/实际通过的车辆总数
3、可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数这三个指标决定了车牌识别系统的识别率,诸如可信度、误识率等都是车牌识别过程中的中间结果。
人工神经网络技术是直接法技术中的一种,郑州思诺电子有限公司给大家介绍下:
近几年来,计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题,例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别,BAM神经网络是由相同神经元构成的双向联想式单层网络,每一个字符模板对应着唯l一个BAM矩阵,通过与车牌上的字符比较,识别出正确的车牌号码。