资料下载
×
基于并行模糊神经网络的车牌识别研究
消耗积分:3 |
格式:rar |
大小:311 |
2009-07-08
分享资料个
车辆牌照的自动识别是目标自动识别的一种重要形式。针对车牌识别的后期技术,即牌照识别技术做了研究并提出了一种新的车牌识别方法，该网络由BP 神经网络识别模块和模糊控制器构成，为了便于硬件实现，各模块相互独立，最后利用PVM 网络在虚拟并行平台上实现了该识别网络，实验结果表明，和标准BP 网络相比，该算法具有更加良好的性能，满足实时识别车牌的要求。
汽车牌照识别系统（ License PlateRecognition System，LPR）技术作为目标自动识别的一种重要形式, 可用于电子收费、出入控制、车流监控等众多场合, 从而提高交通管理自动化的程度,它的相关研究正逐渐受到人们的重视[1][2]。
汽车牌照自动识别系统包含3 大主要模块, 即牌照的预处理、定位分割与识别，本文讨论的是车牌的识别问题。
人工神经网络具有良好的自适应性、自组织性, 很强的学习功能、联想功能和容错功能, 其识别率高, 抗干扰能力强, 灵活性大, 但是学习过程较长[3][4]。大规模的并行处理和分布式信息存储非常适合于在大规模并行处理器上实现,而大规模并行处理器的日益普及,为并行神经网络奠定了物质基础[5]。
汽车牌照识别系统（ License PlateRecognition System，LPR）技术作为目标自动识别的一种重要形式, 可用于电子收费、出入控制、车流监控等众多场合, 从而提高交通管理自动化的程度,它的相关研究正逐渐受到人们的重视[1][2]。
汽车牌照自动识别系统包含3 大主要模块, 即牌照的预处理、定位分割与识别，本文讨论的是车牌的识别问题。
人工神经网络具有良好的自适应性、自组织性, 很强的学习功能、联想功能和容错功能, 其识别率高, 抗干扰能力强, 灵活性大, 但是学习过程较长[3][4]。大规模的并行处理和分布式信息存储非常适合于在大规模并行处理器上实现,而大规模并行处理器的日益普及,为并行神经网络奠定了物质基础[5]。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
