×
Ioannis的Giannoukos;克里斯托斯·尼科洛斯，阿纳格诺斯托普洛斯;瓦西里·卢莫斯;卡亚法斯（Kayafas）、埃利夫瑟里奥斯（Eleftherios）

操作员上下文扫描，支持实时车牌识别的高分割率。 （英语） Zbl 1205.68339号

模式识别 43，第11号，3866-3878（2010）.
摘要：在目标识别中引入高清晰度视频和图像为智能图像处理和模式识别领域提供了新的可能性。然而，由于需要处理大量信息，计算成本很高，使得HD系统速度较慢。为此，提出了一种应用于滑动窗口分析的新算法，即算子上下文扫描（OCS），并在车牌识别（LPR）系统的车牌检测模块上进行了测试。在LPR系统中，OCS算法应用于滑动同心窗口像素算子，通过快速扫描只关注感兴趣区域的输入图像，提高了LPR系统的速度性能，同时不会降低系统效率。此外，还提出了一种新的特征，即基于滑动窗口算子的图像上下文。此特性有助于快速分类拍摄输入图像的环境条件。该算法在包含在各种环境条件下获取的各种分辨率图像的数据集上进行了测试。

引用于1文件

理学硕士：

68吨10 模式识别、语音识别

关键词：

操作员上下文扫描算法;滑动窗口分析;车牌识别;高分辨率图像处理

软件：

打开CV
PDF格式BibTeX公司 XML格式引用
\textit{I.Giannoukos}等人，模式识别43，No.11，3866--3878（2010；Zbl 1205.68339）
全文： 内政部

参考文献：

[1] 沈俊杰、陈家明，《使用滑动窗口技术探索图像像素的变化以进行边缘检测》，载《国际计算机研讨会论文集》（ICS 2006），2006年，第1109-1114页。；沈俊杰、陈家明，《使用滑动窗口技术探索图像像素的变化以进行边缘检测》，载《国际计算机研讨会论文集》（ICS 2006），2006年，第1109-1114页。
[2] 苏，T.-H。；张，T.-W。；关，D.-J。；黄海杰，使用无分割策略对真实汉语手写体的离线识别，模式识别，42，167-182（2008）·Zbl 1162.68633号
[3] 黄，L.-L。；Shimizu，A.，稳健人脸检测的多专家方法，模式识别，39，1695-1703（2006）·Zbl 1096.68717号
[4] Meynet，J。；波波维奇，V。；Thiran，J.-P.，带增强高斯特征的人脸检测，模式识别，402283-2291（2007）·Zbl 1111.68644号
[5] N.Dalal，B.Triggs，《人类检测定向梯度直方图》，载《2005年计算机视觉和模式识别会议论文集》（CVPR 2005），2005年，第886-893页。；N.Dalal，B.Triggs，《人类检测定向梯度直方图》，载于《2005年计算机视觉和模式识别会议论文集》（CVPR 2005），2005年，第886-893页。
[6] R.Liu、G.Wang、P.Wang和W.Huang，基于滑动窗口的图像认证方案，载《中国控制与决策会议论文集》（CCDC 2008），2008年，第2937-2940页。；R.Liu、G.Wang、P.Wang和W.Huang，基于滑动窗口的图像认证方案，载《中国控制与决策会议论文集》（CCDC 2008），2008年，第2937-2940页。
[7] 萨亚迪，M。；特利格，L。；Fnaiech，F。；New Texture，A.，基于模糊C均值算法和统计特征的分割方法，应用数学科学，12999-3007（2007）·Zbl 1140.68529号
[8] Klimesova，D.，关系映射的滑动窗口，国际摄影测量和遥感档案，33，688-692（2000）
[9] C.H.Lampert，M.B.Blaschko，T.Hofmann，《超越滑动窗口：通过有效子窗口搜索进行对象定位》，载于：《IEEE计算机学会计算机视觉和模式识别会议论文集》（CVPR 2008），2008年，第1-8页。；C.H.Lampert，M.B.Blaschko，T.Hofmann，《超越滑动窗口：通过高效子窗口搜索进行对象定位》，载于：《IEEE计算机学会计算机视觉和模式识别会议论文集》（CVPR 2008），2008年，第1-8页。
[10] H.Feng，W.Fang，S.Liu，Y.Fang《镜头边界检测和关键帧提取的新通用框架》，载《第七届ACM SIGMM多媒体信息检索国际研讨会论文集》，2005年，第121-126页。；H.Feng，W.Fang，S.Liu，Y.Fang《镜头边界检测和关键帧提取的新通用框架》，载《第七届ACM SIGMM多媒体信息检索国际研讨会论文集》，2005年，第121-126页。
[11] Prasenjit，D。；Noushath，S.，e-PCP：扫描文档图像的稳健倾斜检测方法，模式识别，33937-948（2010）·Zbl 1185.68591号
[12] Anagnostopoulos，北卡罗来纳州。；阿纳格诺斯托普洛斯，I.E。；卢莫斯，V。；Kayafas，E.，智能交通系统应用的牌照识别算法，IEEE智能交通系统交易，7377-392（2006）
[13] 阿纳格诺斯托普洛斯，C.N.E。；阿纳格诺斯托普洛斯，I.E。；补骨脂，I.D。；卢莫斯，V。；Kayafas，E.，从静态图像和视频序列中识别车牌：一项调查，IEEE智能交通系统交易，9377-391（2008）
[14] B.Hongliang，L.Changping，一种基于边缘统计和形态学的混合车牌提取方法，载于：《第17届国际模式识别会议论文集》（ICPR'04），2004年，第831-834页。；B.Hongliang，L.Changping，一种基于边缘统计和形态学的混合车牌提取方法，载于：《第17届国际模式识别会议论文集》（ICPR'04），2004年，第831-834页。
[15] 科梅利，P。；费拉吉纳，P。；Granieri，M.N。；Stabile，F.，机动车牌照的光学识别，IEEE车辆技术汇刊，44790-799（1995）
[16] M.Sarfraz，M.J.Ahmed，S.A.Ghazi，沙特阿拉伯车牌识别系统，收录于：《2003年几何建模和图形国际会议论文集》（GMAG'03），2003年，第36-41页。；M.Sarfraz，M.J.Ahmed，S.A.Ghazi，沙特阿拉伯车牌识别系统，收录于：2003年几何建模和图形国际会议论文集（GMAG'03），2003年，第36-41页。
[17] A.R.Smith，Tint fill，《第六届计算机图形和交互技术年会论文集》，1979年，第276-283页。；A.R.Smith，Tint fill，《第六届计算机图形和交互技术年会论文集》，1979年，第276-283页。
[18] 夏皮罗，V。；格卢切夫，G。；Dimov，D.，走向跨国汽车牌照识别系统，机器视觉与应用，17，173-183（2006）
[19] Draghici，S.，基于神经网络的车牌识别人工视觉系统，国际神经系统杂志，8113-126（1997）
[20] R.Parisi，E.D.D.Claudio，G.Lucarelli，G.Orlandi，通过神经网络和图像处理进行车牌识别，摘自：IEEE电路和系统国际研讨会论文集，1998年，第195-198页。；R.Parisi，E.D.Claudio，G.Lucarelli，G.Orlandi，通过神经网络和图像处理进行车牌识别，收录于：IEEE电路和系统国际研讨会论文集，1998年，第195-198页。
[21] 帕里西，R。；克劳迪奥，E.D.D。；奥兰迪，G。；Rao，B.D.，利用前馈神经网络结构的广义学习范式，IEEE神经网络汇刊，71450-1460（1996）
[22] D.S.Kim，S.I.Chien，使用改进的广义对称变换和图像扭曲自动提取车牌，收录于：IEEE工业电子国际研讨会论文集，2001年，第2022-2027页。；D.S.Kim，S.I.Chien，使用改进的广义对称变换和图像扭曲自动提取车牌，收录于：IEEE工业电子国际研讨会论文集，2001年，第2022-2027页。
[23] H.Mahini，S.Kasaei，F.Dorri，F.Dorri，《一种有效的基于特征的车牌定位方法》，载于《第18届国际模式识别会议论文集》（ICPR'06），2006年，第841-844页。；H.Mahini，S.Kasaei，F.Dorri，F.Dorri，《一种高效的基于特征的车牌定位方法》，载于：《第18届国际模式识别会议论文集》（ICPR'06），2006年，第841-844页。
[24] C.Zhang，G.Sun，D.Chen，T.Zhao，基于字符连接和投影特征的车牌快速定位方法，载《第二届IEEE工业电子与应用会议论文集》，2007年，第2546-2549页。；C.Zhang，G.Sun，D.Chen，T.Zhao，基于字符连接和投影特征的车牌快速定位方法，载《第二届IEEE工业电子与应用会议论文集》，2007年，第2546-2549页。
[25] 郑，D。；Zhao，Y。；Wang，J.，一种有效的车牌定位方法，模式识别字母，262431-2438（2005）
[26] Chang，S.L。；Chen，L.S。；钟，Y.C。；Chen，S.W.，自动车牌识别，IEEE智能交通系统汇刊，5，42-53（2004）
[27] 崔，Y。；黄琦，从视频序列中提取车牌字符，机器视觉与应用，10308-320（1998）
[28] 钟，Y。；卡鲁，K。；Jain，A.K.，在复杂彩色图像中定位文本，模式识别，281523-1535（1995）
[29] J.Barroso，E.L.Dagless，A.Rafael，J.Bulas-Cruz，使用计算机视觉读取车牌，收录于：IEEE工业电子国际研讨会论文集，1997年，第761-766页。；J.Barroso，E.L.Dagless，A.Rafael，J.Bulas-Cruz，使用计算机视觉读取车牌，收录于：IEEE工业电子国际研讨会论文集，1997年，第761-766页。
[30] 维奥拉，P。；Jones，M.，《鲁棒实时目标检测》，《国际计算机视觉杂志》，57137-154（2004）
[31] L.Dlagnekov，使用adaboost检测车牌，计算机科学与工程部，圣地亚哥，2004，[在线]http://www.cse.ucsd.edu/classes/fa04/cse252c/projects/louka.pdf; L.Dlagnekov，使用adaboost检测车牌，计算机科学与工程部，圣地亚哥，2004，[在线]http://www.cse.ucsd.edu/classes/fa04/cse252c/projects/louka.pdf
[32] H.Zhang，W.Jia，X.He，Q.Wu，使用全局和局部特征的基于学习的车牌检测，收录于：第18届国际模式识别会议（ICPR’06），2006年，第1102-1105页。；H.Zhang，W.Jia，X.He，Q.Wu，使用全局和局部特征的基于学习的车牌检测，收录于：第18届国际模式识别会议（ICPR’06），2006年，第1102-1105页。
[33] Wang，S.Z。；Lee，H.J.，实时统计车牌识别系统的级联框架，IEEE信息取证与安全事务，2267-282（2007）
[34] F.Porikli，T.Kocak，神经网络框架中使用协方差描述符的鲁棒车牌检测，收录于：IEEE视频和信号监控国际会议（AVSS'06），2006年，第107-112页。；F.Porikli，T.Kocak，神经网络框架中使用协方差描述符的鲁棒车牌检测，收录于：IEEE视频和信号监控国际会议（AVSS'06），2006年，第107-112页。
[35] S.Kim、D.Kim、Y.Ryu、G.Kim，《复杂图像条件下的稳健牌照提取方法》，载《第16届模式识别国际会议论文集》，2002年，第176-179页。；S.Kim、D.Kim、Y.Ryu、G.Kim，《复杂图像条件下的稳健牌照提取方法》，载《第16届模式识别国际会议论文集》，2002年，第176-179页。
[36] 阿米特，Y。；杰曼，D。；Fan，X.，多类形状检测的粗到细策略，IEEE模式分析和机器智能汇刊，261606-1621（2004）
[37] Amit，Y.，《视觉选择的神经网络架构》，《神经计算》，第12期，第1059-1082页（2000年）
[38] 奈托，T。；Tsukada，T。；山田，K。；Kozuka，K。；Yamamoto，S.，《外部环境下超车车辆的稳健牌照识别方法》，IEEE车辆技术汇刊，492309-2319（2000）
[39] 祖尼诺，R。；Rovetta，S.，牌照定位和图像编码的矢量量化，IEEE工业电子学报，47159-167（2000）
[40] Kahraman，F。；B.库尔特。；Gokmen，M.，基于gabor变换和矢量量化的车牌字符分割，计算机科学讲义，2869（2003），施普林格：施普林格-柏林/海德堡，第381-388页
[41] 野村证券。；Yamanaka，K。；O.卡泰。；川崎，H。；Shiose，T.，用于退化字符图像分割的新型自适应形态学方法，模式识别，381961-1975（2005）
[42] 野村证券。；Yamanaka，K。；O.卡泰。；Kawakami，H.，基于灰度版自适应闪电的退化彩色图像二值化新方法，IEICE信息与系统学报E87-D，1012-1020（2004）
[43] Soille，P.，《形态图像分析：原理与应用》（1999），《施普林格：施普林格柏林》·兹伯利0976.68168
[44] 共和国冈萨雷斯。；Woods，R.E.，数字图像处理（1993），Addison-Wesley出版公司：Addison-Whesley出版公司Reading，MA
[45] Kim，K.B。；Jang，S.W。；Kim，C.K.，使用动态阈值法和增强神经网络识别汽车牌照，图像和模式的计算机分析，2756（2003），施普林格：施普林格-柏林/海德堡，第309-319页
[46] Mardia，K.V。；Hainsworth，T.J.，图像分割的空间阈值方法，IEEE模式分析和机器智能汇刊，10919-927（1988）
[47] Rudolph，G.，标准遗传算法的收敛性分析，IEEE神经网络汇刊，5，96-101（1994）
[48] 焦，J。；Ye，Q。；Huang，Q.，一种可配置的多样式车牌识别方法，模式识别，42，358-369（2009）·Zbl 1181.68243号
[49] 胡，Y。；朱，F。；Zhang，X.，使用子空间投影和概率神经网络的车牌识别新方法，神经网络进展-ISNN，3497（2005），Springer:Springer Berlin/Heidelberg，第216-221页·Zbl 1084.68620号
[50] C.Anagostopoulos，T.Alexandropoulos，V.Loumos，E.Kayafas，通过MPEG-7车流监控实现智能交通管理，收录于：IEEE John Vincent Atanasoff 2006年现代计算国际研讨会论文集（JVA'06），2006年，第202-207页。；C.Anagostopoulos，T.Alexandropoulos，V.Loumos，E.Kayafas，通过MPEG-7车流监控实现智能交通管理，收录于：IEEE John Vincent Atanasoff 2006年国际现代计算研讨会论文集（JVA'06），2006年，第202-207页。
[51] Chiu，D.M。；Jain，R.，《计算机网络、计算机网络和ISDN系统中避免拥塞的增减算法分析》，17，1-14（1989）·Zbl 0684.68016号
[52] 铃木，S。；Abe，K.，通过边界跟踪对数字二值图像进行拓扑结构分析，图形模型和图像处理，30，32-46（1985）·Zbl 0622.68074号
[53] Open Computer Vision Library，2009年9月，〈http://sourceforge.net/projects/opencv/; Open Computer Vision Library，2009年9月，〈http://sourceforge.net/projects/opencv/
[54] DirectShow技术，2008年9月http://msdn.microsoft.com/en-us/library/ms783323（VS.85）.aspx；DirectShow技术，2008年9月http://msdn.microsoft.com/en-us/library/ms783323（VS.85）.aspx
[55] C.Anagnostopoulos，I.Giannoukos，多媒体技术实验室车牌识别数据库，2009年9月http://www.medialab.ntua.gr/research/LPRdatabase.html; C.Anagostopoulos，I.Giannoukos，多媒体技术实验室车牌识别数据库，2009年9月，〈http://www.medialab.ntua.gr/research/LPRdatabase.html
[56] 苏雷什，K.V。；库马尔，G.M。；Rajagopalan，A.N.，真实交通视频中车牌的超分辨率，IEEE智能交通系统交易，8，321-331（2007）
[57] R.B.Riedel，J.S.Coffin，F.J.Prokoski，红外视频的法医学应用，载于：《国际卡纳汉安全技术犯罪对策会议记录》，1992年，第108-112页。；R.B.Riedel、J.S.Coffin、F.J.Prokoski，《红外视频的法医学应用》，载于《安全技术与犯罪对策国际卡纳汉会议论文集》，1992年，第108-112页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。