基本信息
- 项目名称：
- TrackerNerv道路车辆识别跟踪系统
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 科技发明制作A类
- 简介：
- TrackerNerv道路车辆识别跟踪系统， 主要用于智能交通管理方面，针对现在国内的智能识别技术缺陷以及我们掌握的关于图像识别的有关内容， 综合我们各自的能力，自主开发了一套实用性和功能性更强车辆识别跟踪系统，将计算机和图像处理技术应用于实际，解决现实交通管理中的诸多问题。本系统的实时性、适应性和抗干扰特性等都能达到一个令人满意的效果。具有很大的社会价值和应用前景。
- 详细介绍：
- 车辆部分：主要包括视频流读取，提取背景与更新背景，前景检测，分析数据。 车牌部分： 读取静态图片，进行车牌定位与矫正，对字符库进行训练，对车牌区域进行分割，将分割后的二值化图片转换成15*25的数组，输入到神经网络中，得到在此模块主要采用基于背景减除的算法提取运动车辆。 现在主要的运动前景算法有帧差法、背景减除法、光流法，大致说明如下： 帧差法利用时间序列...(查看更多)
作品图片
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- 作品设计、发明的目的： 车辆识别与跟踪技术是计算机视觉、图像处理与模式识别等技术的融合，是智能交通系统中重要的研究课题，对于实现更加快速化、智能化的交通管理具有巨大的经济价值和现实意义。然而，目前大多数车辆识别跟踪引擎具有运算量大、对硬件要求高、识别率低等缺点，为此，我们希望自主研发一套更具功能性和实用性的车辆识别跟踪系统，更好地将计算机和图像处理技术应用于实际，以解决现实中交通...(查看更多)
科学性、先进性
- 1.对复杂环境具有自适应能力。目前车辆跟踪识别技术的难点，大部分是由实际环境因素的影响造成的。本系统能够根据不同的道路交通环境，通过内部一系列自适应动态算法自动进行判别并做出相应调整，更好地适应于真实场景中的复杂环境。 2.采用隔帧扫描的方式采集图像进行处理，在基本不影响处理正确率的前提下，识别的速度要比普通的的逐帧连续扫描识别方式快几倍。 3.在白天阳光直射的情况下，采用基于表...(查看更多)
获奖情况及鉴定结果
- 2010年9月，参加由工业和信息化部软件服务业司和江苏省经济和信息化委员会组织的“江苏软件杯”全国大学生软件设计大赛获三等奖，本次比赛中一等奖一名，二等奖两名，三等奖三名，参赛者包括全国一百多所重点高校和普通高校。
作品所处阶段
- 中试阶段
技术转让方式
- 无
作品可展示的形式
- 现场演示
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 本项目采用了一系列全新原创的算法模型，确保系统的实时性、好的适应性、和抗干扰性，实现车辆动态信息的获取，车辆的识别和跟踪。能够自动调整，实现对不同环境的适应能力，识别的速度要比正常的识别快，能消除阴影对本系统的影响。以Qt为界面开发工具，界面友好，可移植性强，适合windows，嵌入式，服务器等多种系统。在车牌识别方面，采用基于隔行扫描的车牌定位技术，人工神经网络(开源的FANN...(查看更多)
同类课题研究水平概述
- 关于车牌识别系统的研究国外起步比较早，国外学者关于汽车牌照识别技术发表了大量的论文和文献。从20世纪90年代，国外的研究人员就开始了对车牌自动识别系统的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。在识别过程中，也出现了许多技术方法，有人使用模糊数学理论，也有人用神经元网络的算法来识别车牌中的字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化、以...(查看更多)
