5

我正在开发一个集成在车牌识别应用程序中的 CBIR 解决方案。图像匹配算法非常健壮，但正如您可以想象的那样，数据库很大，从数据库中提取图像进行匹配非常慢。我试图用小的局部特征向量甚至单个数值来量化图像，但没有成功。这个想法是索引一些这样的值，以允许真正快速提取，同时大大减少匹配候选者的数量。我已经阅读了很多关于该主题的论文，但其中大多数都将分类和机器学习作为解决方案。由于我没有看到分类如何有用，因为所有图像都非常相似（车牌图片），我想与“ s 过去也有类似的问题，甚至有人对我如何解决这个问题有一些线索。很长一段时间以来，我一直在尝试设计出解决此性能问题的方法，但没有太多成功。

4

1 回答 1

1

鉴于评论中的附加信息，我将通过以下方式解决问题：

  • 从图像中检测/分割板；

  • 应用 OCR 以从车牌中提取带有字母和数字的字符串；

  • 为了验证两个图像是否对应同一个车牌，比较两个字符串。另请注意，与多维特征向量相比，索引字符串要容易和有效得多。

于 2013-02-25T17:47:50.570 回答