基于SVM和排列模型的白色车牌分类

doi:10.3778/j.issn.1002-8331.2010.29.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (29): 207-210.DOI: 10.3778/j.issn.1002-8331.2010.29.060

基于SVM和排列模型的白色车牌分类

张旭光^1，2，罗以宁¹，艾必刚¹，蒋涛¹

1.四川大学计算机学院，成都 610064
2.防化指挥工程学院，北京 102205

收稿日期:2009-03-05 修回日期:2009-06-02 出版日期:2010-10-11 发布日期:2010-10-11
通讯作者: 张旭光

Classification for white license plate based on SVM and align modes

ZHANG Xu-guang^1，2，LUO Yi-ning¹，AI Bi-gang¹，JIANG Tao¹

1.College of Computer Science，Sichuan University，Chengdu 610064，China
2.Command and Engineering College of Chemical Defense of PLA，Beijing 102205，China

Received:2009-03-05 Revised:2009-06-02 Online:2010-10-11 Published:2010-10-11
Contact: ZHANG Xu-guang

摘要/Abstract

摘要： 与蓝色牌照的固定格式相比，白色牌照的字符排列方式呈现多变的特点。如果能够对白色车牌的字符进行准确分割及分类，就可以提高整个系统的识别正确率。首先根据车牌内字符间的排列方式使用支持向量机进行分类，然后根据该类车牌的标准排列模型，即可实现对车牌字符的准确分割及分类。实验结果表明，该方法正确率较高，稳定性好。

关键词: 支持向量机, 排列模型, 车牌分类

Abstract: Compared to the character of the blue license plate，the white license plate has own specification.The align modes of the white license plate’s ID codes are varied，so that they need to be classified alone.The white plate is classified correctly in favor of improving the accuracy of the whole system.Support Vector Machine is used to classification according to the align modes of the vehicle identity codes.Then，the extraction of ID codes is realized according to the standard align modes of the ID.Experiment results show that the proposed method has good performance.

Key words: Support Vector Machine（SVM）, align modes, classification of vehicle plate

中图分类号:

TP391.41

张旭光^1，2，罗以宁¹，艾必刚¹，蒋涛¹. 基于SVM和排列模型的白色车牌分类[J]. 计算机工程与应用, 2010, 46(29): 207-210.

ZHANG Xu-guang^1，2，LUO Yi-ning¹，AI Bi-gang¹，JIANG Tao¹. Classification for white license plate based on SVM and align modes[J]. Computer Engineering and Applications, 2010, 46(29): 207-210.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.

基于SVM和排列模型的白色车牌分类

Classification for white license plate based on SVM and align modes

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics