本发明属于计算机视觉技术和图像处理技术领域，具体涉及一种基于车窗粗定位的车标识别方法。本发明采用计算机视觉技术，通过定位车窗对车标进行粗定位、车标精定位与基于卷积神经网络的车标分类，解决了车标识别问题，同时拥有更好的准确率与效率，改善了以车牌辨车的传统工作模式，为打击汽车套牌、一车多牌、假牌照等违法犯罪行为提供了可靠帮助，进一步提高了智能交通的可靠性，节省了大量的人力成本。
📄 2018103738612
📂 G06K9_32
👤 浙江工业大学
📅 2018-04-24
本发明公开了一种面向车牌识别系统黑盒物理攻击的防御方法及装置。该方法利用基于扰动进化的方式，将多个初始随机扰动优化成不引人注目的特定扰动，并且利用数字图像处理的方法模拟现实场景下的不同环境变化，将对抗样本在不同环境下的攻击效果也作为优化目标，实现了物理场景下对车牌识别模型强健的黑盒攻击，然后将攻击得到的大量对抗样本与干净数据集按一定比例混合，作为对抗训练的训练数据集，对模型进行再训练，提高了模型对对抗样本检测的准确率，从而提高了模型对于对抗攻击的鲁棒性。
📄 2019104398788
📂 G06K9_32
👤 浙江工业大学
📅 2019-05-24
一种优化分类与定位任务的目标检测方法，首先通过滑窗方法对输入图像做图像块的提取；随后在生成的图像块中筛选出正图像块与负图像块；再将筛选出的正负图像块用于RPN网络与R‑CNN网络的训练，得到最终的网络参数；对输入图像进行预测焦点像素集，并生成焦点像素块；焦点像素块经过分类检测与回归处理，并使用非极大值抑制方法合并各尺度检测结果。本发明显著得减少多尺度检测方法的计算量，大幅提高检测速率，突破了以往多尺度检测算法无法投入实际应用的瓶颈。进一步，通过解决分类与回归任务存在冲突的问题，大幅度提高了模型的精度。
📄 2020109205939
📂 G06K9_32
👤 浙江工业大学
📅 2020-09-04
本发明公开了一种倾斜车牌矫正方法，属于智能交通技术领域。它通过深度学习进行车牌字符检测，再将所有候选字符矩形框的中心点两两相连构建图谱，接着统计所有经过字符中心点的线段斜率区间分布情况，最后加权计算得到车牌的倾斜角度，并完成倾斜矫正。本发明通过采用上述技术得到的倾斜车牌矫正方法，将倾斜车牌矫正问题转化为目前已经非常成熟的目标检测问题，可以对常见单行车牌与双行车牌进行倾斜矫正，结合传统倾斜车牌矫正方法与深度学习方法，实现优势互补，可靠性更高，且允许车牌字符的漏检与误检，对需要矫正的倾斜车牌具有高鲁棒性。
📄 2019105706235
📂 G06K9_32
👤 浙江工业大学
📅 2019-06-27
一种基于自适应感受野深度学习的目标检测方法，包括以下步骤：步骤1：在网上采集图片作为数据集；步骤2：对采集到的图片进行预处理；步骤3：对采集到的图片按照设定的比例进行划分；步骤4：将训练集输入到网络中，进行训练；步骤5：在基底网络提取特征的基础上，用一个浅层的网络进行预测；步骤6：在基底网络提取特征的基础上，使用RPN网络提取ROIs；步骤7:将步骤5预测到结果作用到步骤6提取到的ROIs上；步骤8:将步骤7面积调整后的ROIs进行区域归一化操作；步骤9:将步骤8的结果分别输入到两个全连接层中，分别进行ROIs位置的回归训练以及ROIs的分类训练。本发明提高深度神经网络的性能。
📄 2018111540887
📂 G06K9_32
👤 浙江工业大学
📅 2018-09-30
本发明涉及一种基于场景分类和超分辨率的场景文字识别方法，通过构建c‑ssd和sr‑rcnn网络，对其对应的卷积层参数分别初始化，扩张数据集并对c‑ssd网络和sr‑crnn网络进行训练，得到相应的c‑ssd模型和sr‑crnn模型，用评估数据集对训练得到的模型进行评估，若达标则将带手势的图片输入训练好的c‑ssd模型中进行处理，返回手势的坐标位置与场景信息，结合文字特征设计检错器返回最终的场景信息，选择对应的文字识别模型进行文字识别，得到最后的识别结果。本发明以一个独立的网络实现分类和检测，实现了端到端的算法，无需采用多个网络分别完成不同的作业，可以提高对低分辨率文字的识别精度。
📄 2019101077501
📂 G06K9_32
👤 浙江工业大学
📅 2019-02-02
本发明公开了一种基于卷积神经网络的车标定位与识别方法。它本发明使用计算机视觉技术，通过车标粗定位方法、车标精定位方法与基于卷积神经网络的车标分类，实现了车标定位与识别。本发明解决了车标识别问题，同时拥有较好的准确率与效率，改善了以车牌辨车的传统工作模式，能更加准确的确定唯一的车辆，为车牌套牌的查处、违章逃逸等违法行为提供可靠证据，更好地实现智能化的交通管理。
📄 2017107527423
📂 G06K9_32
👤 浙江工业大学
📅 2017-08-28
本发明公开了一种基于车牌边缘纹理特征的车牌定位方法。它通过比较车牌边缘区域与其周围边缘区域的纹理差别来进行车牌定位，可以有效避免车牌旁边的干扰边缘与车牌字符边缘进行连接，避免干扰边缘对车牌定位的影响，并且该车牌定位方法不受光照的影响，可以在复杂环境下得到良好的车牌定位效果。
📄 2017103182467
📂 G06K9_32
👤 浙江工业大学
📅 2017-05-08
本发明的一种金属件表面弯曲文本行矫正方法，属于图像矫正技术领域。该方法包括如下步骤：1)获取检测框中心点；2)采用DBSCAN方法聚类点集；3)拟合金属件文本行走势曲线；4)计算矫正图像大小；5)计算原图像与目标图像坐标点映射关系完成矫正。本发明基于深度学习方法结合DBSCAN聚类对金属件表面弯曲文本行拟合文本线，感受野极大，任意长短文本行都能得到拟合文本线；同时本发明基于文本线对金属件表面弯曲文本行进行矫正，本发明所限定的矫正方法适用于任何文本线方程，能对任意方向的文本行进行矫正。
📄 2019107688903
📂 G06K9_32
👤 浙江工业大学
📅 2019-08-20
本发明公开了一种基于再识别策略的车牌识别方法，属于智能交通技术领域。它通过训练一个用于车牌字符检测识别的多尺度深度卷积神经网络，对车牌图像进行识别，得到候选车牌字符，再对所有候选字符进行聚类，使得属于同一车牌的字符构成单独的序列集合，接着对各集合进行再识别条件匹配，然后对初次识别结果不想的车牌区域进行粗提取，并用一个轻量级的字符检测识别深度神经网络进行再识别，得到新的车牌字符构成的序列集合，最后将各集合分别串联成车牌识别结果。本发明通过采用上述技术减小误差累积所带来的影响，相比于逐张车牌定位识别过程具有更高的效率与准确率。
📄 2019105706273
📂 G06K9_32
👤 浙江工业大学
📅 2019-06-27
一种自然场景下的船牌矫正识别方法，包括以下步骤：1)数据获取：通过摄像头采集港口进出船舶的图片；2)数据处理：对图片进行标注并将船牌图像裁剪；3)模型训练：用标注的船牌图片训练船牌矫正识别模型；4)模型检测：用训练好的救生衣检测模型对船牌图像进行识别，得到矫正后的船牌图像和船牌名；本发明选取深度学习模型，在无需添加额外的标注情况下，提高对船牌的识别速度和准确率，具有较高的实际应用价值。
📄 202010656239X
📂 G06K9_32
👤 浙江工业大学
📅 2020-07-09
本发明公开了一种基于统计的车牌识别方法，应用于车牌识别系统，可以显著改善系统处理清晰度较差的车牌图像的能力。与已有的基于统计的方法相比，它的优点在于：(1)本发明引入了图像的重复帧数属性，既能保证该方法是基于连续多帧的图像样本的统计方法，又能避免相同图像的重复处理情况，提升了该方法对处理有静止状态的车辆的识别效率；(2)本发明不但改善了车牌字母和数字的识别率，同时通过使用改进的基于权重的统计方法，显著的提升了汉字的识别率。
📄 2017102903548
📂 G06K9_32
👤 浙江工业大学
📅 2017-04-27
柿子坊 · 知识产权运营
柿子坊知识产权运营平台