车号识别系统

铁路智能车号识别系统,通过我司自主研发的光学智能相机,采集5-300KM/H时速的车号图像进行分析处理,智能识别出车号信息,可解决目前AEI设备由于机车标签故障、丢失无法识别车号的问题。可适用于机车、动车等不同车型、不同车速。动车识别率可达99%,机车识别率可达95%。

车号识别系统应用于轨道交通、无轨交通各个领域,用于识别汽车牌照、机车车号、高铁动车组车号。
1.汽车车号:
特点:抓拍车牌,清晰、及时、准确。
应用场合:车库出入口、十字路口。
2.机车车号:
特点:

1、两种方式识别车号,视频和射频结合进行识别;

2、适应强光、逆光、降雨、降雪、黑夜等自然因素;

3、适应各种车型;

应用场合:机务段出入段闸楼,折返段(点)出入口闸楼,检修基地/段出入口闸楼,整备场出入口闸楼,新造/修理机车工厂出入厂闸楼等。
3.高铁动车组车号:
特点:

1、 可适应0--350KM/H车速;

2、 识别准确及时;两种方式识别车号;

3、 视频和射频结合进行识别应用场合:车库出入口、十字路口。
应用场合:局、段、站咽喉区及出入库区域。

时间: 2024-11-08 18:11:32

车号识别系统的相关文章

机车车号自动识别系统 开发

特点:1.两种方式识别车号,视频和射频(电子标签识别)结合进行识别: 2.适应强光.逆光.降雨.降雪.黑夜等自然因素: 3.适应各种车型: 应用场合:机务段出入段闸楼,折返段(点)出入口闸楼,检修基地/段出入口闸楼,整备场出入口闸楼,新造/修理机车工厂出入厂闸楼等 应用案例: 高铁动车组车号自动识别系统: 特点: 1.          可适应0——350KM/H车速: 2.          识别准确及时: 3.          视频和射频结合进行识别(电子标签识别): 应用场合:局.段.站

车牌识别系统,助力智慧城市

城市在发展进程中总会遇到各种各样的问题,如今看来,例如停车,停车难已经成为一线二线城市,城市化过程中一个畅聊的话题,停车位少.停车位不好找.停车收费慢等等,所以今天我们要讨论的话题就是车牌识别一体机对提高城市停车管理的重要性,车牌识别一体机不仅可以减轻停车场负担,收费难管理难的压力,还能为安防等行业,提供便利. 城市在设计的过程中,优化了停车场的布局,在建设停车场的时候更加的人性化.方便化,比如立体车库的不断涌现.当然,我们如何知道停车场内是否有空余车位.哪个位置有停车位.这就离不开车牌识别的作

汽车车牌定位识别系统的设计实现

http://www.eeworld.com.cn/qrs/2015/1023/article_25403.html 一.项目背景及可行性分析 2.1 项目背景及技术难点 项目名称:智能交通:汽车车牌定位识别: 项目内容:本项目是在FPGA前端实时完成图像采集.预处理.车牌定位和字符分割以及数据传输工作,在后端完成车牌字符识别工作.FPGA接收采集的实时图像,在内部采用流水线方式依次完成图像预处理.车牌定位和车牌字符分割工作,最后通过高速USB端口将已分割字符传输到后端进行字符识别.其中,图像采

【基于WPF+OneNote+Oracle的中文图片识别系统阶段总结】之篇四:关于OneNote入库处理以及审核

篇一:WPF常用知识以及本项目设计总结:http://www.cnblogs.com/baiboy/p/wpf.html 篇二:基于OneNote难点突破和批量识别:http://www.cnblogs.com/baiboy/p/wpf1.html 篇三:批量处理后的txt文件入库处理:http://www.cnblogs.com/baiboy/p/wpf2.html 篇四:关于OneNote入库处理以及审核:http://www.cnblogs.com/baiboy/p/wpf3.html [

Android名片扫描识别系统SDK

Android名片扫描识别系统SDK 一.Android名片扫描识别系统应用背景 这些年,随着移动互联的发展,APP应用成爆发式的增长,在很多APP中都涉及到对名片信息的录入,如移动CRM.移动端OA,移动访客系统等:如果手动输入名片信息,速度慢,易出错,用户体验非常差.为了提高在移动终端上输入名片信息的速度和准确性,文通推出OCR名片录入技术SDK,以满足各个行业对名片信息自动录入的需求,只需在APP中集成Android名片扫描识别系统SDK,用户便可通过手机拍照,自动识别录入名片信息. 二.

基于opencv的车牌识别系统

前言 学习了很长一段时间了,需要沉淀下,而最好的办法就是做一个东西来应用学习的东西,同时也是一个学习的过程. 概述     OpenCV的全称是:Open Source Computer Vision Library.OpenCV是一个基于(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows和Mac OS操作系统上.它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python.Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算

人脸识别系统原理

写这篇文章,并不是要挑战学术泰斗,更不是要在这里炫耀和说教知识.只是前不久有个朋友问我能不能搞人脸识别,我说回来试试.想不到这里头的东西还挺多,不是三两天就能做完的.就在这里把我的实现思路写出来,以表心迹. 图像识别,一直是计算机领域研究的热门,随着大数据的兴起,更是让图像识别中的特殊分支人脸识别如鱼得水,使得运算和样本数据不再成为系统的掣肘.那么具体来说,一个现代人脸识别系统(例如face++)是如何实现的呢? 这里我不敢妄自猜测,我仅提供我自己的实现方法,拿出来与大家一起学习和探讨: 1.首

基于QT和OpenCV的人脸识别系统

1 系统方案设计 1.1 引言 人脸是一个常见而复杂的视觉模式,人脸所反映的视觉信息在人与人的交流和交往中有着重 要的作用和意义,对人脸进行处理和分析在视频监控.出入口控制.视频会议以及人机交互等领 域都有着广泛的应用前景,因此是模式识别和计算机视觉领域持续的研究热点. 本系统在 FriendlyARM Tiny6410 开发板基础上,利用 OpenCV 计算机视觉库和 QT 图形库,通 过普通的 USB 摄像头实现了自动人脸识别,准确率较高,方便易用. 1.2 系统总体架构 "人脸识别&quo

谷歌开源的TensorFlow Object Detection API视频物体识别系统实现(二)[超详细教程] ubuntu16.04版本

本节对应谷歌开源Tensorflow Object Detection API物体识别系统 Quick Start步骤(一): Quick Start: Jupyter notebook for off-the-shelf inference 本节步骤较为简单,具体操作如下: 1.在第一节安装好jupyter之后,在ternimal终端进入到models文件夹目录下,执行命令: jupyter-notebook 2.会在网页打开Jupyter访问object_detection文件夹,进入obj