1、“.....车牌装在他们保险杠会在图像中出现道路图像。在收集这些图片，我们手动指定品牌，型号和年份标签，张图片中。我们无法标签其余张图像由于我们与这些汽车不很熟悉。我们经常做汽车网站来确定汽车制造和使用。该网站允许用户输入检查汽车号码检测是否已通过最近烟雾检查。对于每个查询，该网站返回烟雾历史以及汽车品牌和型号说明如果可用。美国加利福尼亚州要求所有车辆超过三年以上才能通过烟雾检查每二年。因此，对我们个人经验而言，他们依靠标签查询汽车。我们分成查询设置，标记图像和数据库设置。查询集包含选择代表了多种品牌和型号图像类，与相同品牌和型号，但不同年份多个查询在些情况下，为了捕捉随着时间推移变化模型设计。我们评估在数据库中找到查询每个图像最佳匹配识别方法每场演出。特征匹配尺度不变特征变换特征洛韦最近开发是不变规模，甚至部分不变旋转和光照差异，这使得它们也适合用于识别物体......”。

2、“.....执行关键点定位和描述符任务。对于每个数据库图像对于每个关键点克勤中找到关键点在第纳尔具有最小距离，并至少有个最近描述距离较小因素。如果没有这样科威特第纳尔存在，检查下克勤理论不成立。二计数成功匹配在描述号码选择具有最大和认为最佳匹配。结果对匹配算法产生上述查询设置了识别率。对于在集合测试些疑问识别结果显示在图。前场比赛都是同品牌和超过数据库中些类似模型车所有疑问。特征匹配查询大部分无法正确分类有个或更少条目类似数据库了。对制造和相应查询与数据库中许多例子模型结果，它是安全假设，拥有品牌和型号，每类将提高识别率更多例子。附件外文原文复印件，，，，，，，，，，，，，库。这种方法产生图像，其中，辆各品牌和型号大小都大致相同。该作物窗口位置，这样车牌是在底部第三个中心外形。我们选择这个作为参考点，以确保匹配正确性......”。

3、“.....如果我们为中心车牌纵向和横向汽车，车牌装在他们保险杠会在图像中出现道路图像。在收集这些图片，我们手动指定品牌，型号和年份标签，张图片中。我们无法标签其余张图像由于我们与这些汽车不很熟悉。我们经常做汽车网站来确定汽车制造和使用。该网站允许用户输入检查汽车号码检测是否已通过最近烟雾检查。对于每个查询，该网站返回烟雾历史以及汽车品牌和型号说明如果可用。美国加利福尼亚州要求所有车辆超过三年以上才能通过烟雾检查每二年。因此，对我们个人经验而言，他们依靠标签查询汽车。我们分成查询设置，标记图像和数据库设置。查询集包含选择代表了多种品牌和型号图像类，与相同品牌和型号，但不同年份多个查询在些情况下，为了捕捉随着时间推移变化模型设淮阴工学院毕业设计论文外文资料翻译学院电子与电气学院专业电子信息工程姓名学号外文出处用外文写，附件外文资料翻译译文外文原文......”。

4、“.....附件外文资料翻译译文车牌识别摘要车牌号码识别研究是个相当重要问题，这系统已经是商业运作系统几个重要组成部分之。然而许多类似系统需要复杂视频采集硬件并且需要与红外闪光灯利用技术相结合，用以形成大尺寸车牌在些区域和人工字符鉴别。在本文中，我们描述了个车牌识别系统，这系统实现了高质量视频信号分辨，具备较高识别率而且不需要昂贵硬件。我们也探讨了汽车制造和模式识别问题，其目在于搜寻用于部分车牌号码监控并与录像档案馆联合些汽车视觉描述系统。我们提出方法将提供给民间基础设施宝贵信息，并提供以各种情境为执法对象信息。简介车牌识别问题被广泛认为是与许多系统急待解决问题之。些较为著名是为伦敦交通拥挤而设置收费系统，以及为美国海关边境巡逻任务开发系统，还有在加拿大和美国部分收费公路用于执法收费系统。虽然向公众发布了些关于商业准确性细节......”。

5、“.....因而，他们有两个主要缺点是我们可以解决首先，他们需要高解析度成像，需要有专门硬件。大多数学术研究在这方面也需要高清晰度图像或依赖于特殊地理位置车牌，并考虑下到这些地区人和实物因素，甚至是些常见误读字符和特殊字符。其次，具有定性质系统可以当作是汽车指纹车牌。换句话说，确定车辆身份完全基于附带车牌。可以想见，这种情况下需要考虑两个板块从完全不同品牌和型号汽车被调换情况，在这种情况下，这些系统将无法发现这问题。我们作为分辨者也不太会容易分辨汽车车牌号码，除非汽车很接近我们。我们也不能非常容易记忆所有字符。然而，我们能够识别和记忆汽车外观即使当汽车正在加速离开我们。事实上，信息记忆表现出这样了种迹象，首先是汽车品牌和型号，只有那么它车牌号码，有时甚至不是个完整号码。因此，考虑到汽车外观描述和部分车牌号，当局应该能够查询他们对类似车辆监控系统和检索时......”。

6、“.....在本文中，我们描述了个车牌识别方法，执行良好，而且不需要使用昂贵成像硬件，同时可以用于探索汽车制造商和型号识别。由于车牌互补性和品牌和型号信息不同，使用时需要考虑分辨能力，不仅具备高精度文字分辨能力，而且具备更强能力汽车监控系统。车牌侦测在任何物体识别系统中，有两个需要加以解决重大问题即检测到场景中对，并且认识它，检测是个重要先决条件。我们进入车牌检测问题则作为个文本提取问题。该检测方法可作如下描述。窗口大约个车牌图像尺寸，被安置在每个视频流和帧图像内容作为输入传递给个分类器，如果窗口包含个车牌其输出为否则为。然后把放置在画面中车牌和候选地点所有可能地点记录该在类并输出览表。而实际上，这种分类，我们需要个强大分类器，存在许多弱分类，针对于不同功能专门牌照，从而使每个更为准确分辨出来。这种有效分类器采用算法，因为它们只需要超过准确度......”。

7、“.....品牌和型号识别由于与车牌识别问题，探测车第步，品牌和型号进行识别。为此，我们可以应用运动分割方法估算感兴趣区域，其中包含了汽车。相反，我们决定使用作为存在和个视频流中车辆位置显示检测到车牌位置，并为作物识别汽车投资回报率。这种方法也将是有益品牌和型号静态影像，那里分割问题是比较困难。字符识别应用二值化算法，这是我们最初意图，如对尼布莱克算法修改后版本由陈和尤尔用于提取牌照从我们检测器板图像，然后使用商业二元化形象包作为输入。我们发现，即使我们尝试在软件包决议也产生了非常糟糕结果。也许这不应该作为许多定制车牌识别系统在现有解决方案考虑。除非在阅读文字手写形式，然后对分割图像进行识别，这是与软件来分割共同特点。市场细分最简单方法通常涉及行和列像素，并把部门在当地最小投影功能投影。在我们数据中，分辨率太低可依靠分割字符以这种方式解决，因此......”。

8、“.....而不是简单匹配，它可以同时找到两个位置人物和他们身份。该算法可描述如下对于每个字符例子，我们搜索在车牌图像模板图像中所有可能偏移量，并记录前最佳匹配。搜索是通过使用标准化互相关，以及关于评分阈值位置，然后才考虑个可能匹配应用。如果有多个字符匹配个地区平均字符大小，选择具有较高相关性特征，具有较低相关性字符将被丢弃。旦所有模板已检索，发现每个地区特点是从左向右形成个字符串。是对车牌图像分辨率依赖性，应当选择恰当，并不是所有场比赛是在个单字符相同字符时，多次出现在图像里，所以，并非所有地区都可能处理。这种方法似乎效率不高，但是，认识过程类二阶时时间为分辨率，我们是可以接受这范围。数据集我们会自动生成运行在几个小时视频数据检测和跟踪车牌和种植像素周围每个跟踪序列中车牌架固定窗口大小汽车图像数据库。这种方法产生图像，其中，辆各品牌和型号大小都大致相同。该作物窗口位置......”。

9、“.....我们选择这个作为参考点，以确保匹配正确性，完成只有车提取而不是背景提取。如果我们为中心车牌纵向和横向汽车，车牌装在他们保险杠会在图像中出现道路图像。在收集这些图片，我们手动指定品牌，型号和年份标签，张图片中。我们无法标签其余张图像由于我们与这些汽车不很熟悉。我们经常做汽车网站来确定汽车制造和使用。该网站允许用户输入检查汽车号码检测是否已通过最近烟雾检查。对于每个查询，该网站返回烟雾历史以及汽车品牌和型号说明如果可用。美国加利福尼亚州要求所有车辆超过三年以上才能通过烟雾检查每二年。因此，对我们个人经验而言，他们依靠标签查询汽车。我们分成查询设置，标记图像和数据库设置。查询集包含选择代表了多种品牌和型号图像类，与相同品牌和型号，但不同年份多个查询在些情况下，为了捕捉随着时间推移变化模型设计。我们评估在数据库中找到查询每个图像最佳匹配识别方法每场演出......”。