產(chǎn)品詳情
車牌識(shí)別是一項(xiàng)利用車輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行車牌號(hào)碼、車牌顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備（監(jiān)測(cè)車輛是否進(jìn)入視野）、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識(shí)別車牌號(hào)碼的處理機(jī)（如計(jì)算機(jī)）等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學(xué)字符識(shí)別算法等。某些車牌識(shí)別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)胍曇暗墓δ芊Q之為視頻車輛檢測(cè)。一個(gè)完整的車牌識(shí)別系統(tǒng)應(yīng)包括車輛檢測(cè)、圖像采集、車牌識(shí)別等幾部分(如圖1所示)。當(dāng)車輛檢測(cè)部分檢測(cè)到車輛到達(dá)時(shí)觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像。車牌識(shí)別單元對(duì)圖像進(jìn)行處理，定位出車牌位置，再將車牌中的字符分割出來進(jìn)行識(shí)別，然后組成車牌號(hào)碼輸出。
1.車輛檢測(cè)
車輛檢測(cè)可以采用埋地線圈檢測(cè)、紅外檢測(cè)、雷達(dá)檢測(cè)、視頻檢測(cè)等多種方式。采用視頻檢測(cè)可以避免破壞路面、不必附加外部檢測(cè)設(shè)備、不需矯正觸發(fā)位置、節(jié)省開支，而且更適合移動(dòng)式、便攜式應(yīng)用的要求。
具備視頻車輛檢測(cè)功能的車牌識(shí)別系統(tǒng)，首先對(duì)視頻信號(hào)中的一幀（場(chǎng)）的信號(hào)進(jìn)行圖像采集，數(shù)字化，得到對(duì)應(yīng)的數(shù)字圖像；然后對(duì)其進(jìn)行分析，判斷其中是否有車輛；若認(rèn)為有車輛通行，則進(jìn)入到下一步進(jìn)行車牌識(shí)別；否則繼續(xù)采集視頻信號(hào)，進(jìn)行處理。
系統(tǒng)進(jìn)行視頻車輛檢測(cè)，需要具備很高的處理速度并采用優(yōu)秀的算法，在基本不丟幀的情況下實(shí)現(xiàn)圖像采集、處理。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無法正確檢測(cè)到行駛速度較快的車輛，同時(shí)也難以保證在有利于識(shí)別的位置開始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與車牌自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。
2.車牌號(hào)碼、顏色識(shí)別
為了進(jìn)行車牌識(shí)別，需要以下幾個(gè)基本的步驟：
車牌定位，定位圖片中的車牌位置；
車牌字符分割，把車牌中的字符分割出來；
車牌字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成車牌號(hào)碼。
車牌識(shí)別過程中，車牌顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與車牌識(shí)別互相配合、互相驗(yàn)證。
(1）車牌定位
自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定車牌區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。首先對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車車牌特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選定一個(gè)最佳的區(qū)域作為車牌區(qū)域，并將其從圖象中分割出來。
（2）車牌字符分割
完成車牌區(qū)域的定位后，再將車牌區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足車牌的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。
（3）車牌字符識(shí)別
字符識(shí)別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷?并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。
實(shí)際應(yīng)用中，車牌識(shí)別系統(tǒng)的識(shí)別率與車牌質(zhì)量和拍攝質(zhì)量密切相關(guān)。車牌質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、車牌被遮擋、車牌傾斜、高亮反光、多車牌、假車牌等等；實(shí)際拍攝過程也會(huì)受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了車牌識(shí)別的識(shí)別率，也正是車牌識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識(shí)別。
1.車輛檢測(cè)
車輛檢測(cè)可以采用埋地線圈檢測(cè)、紅外檢測(cè)、雷達(dá)檢測(cè)、視頻檢測(cè)等多種方式。采用視頻檢測(cè)可以避免破壞路面、不必附加外部檢測(cè)設(shè)備、不需矯正觸發(fā)位置、節(jié)省開支，而且更適合移動(dòng)式、便攜式應(yīng)用的要求。
具備視頻車輛檢測(cè)功能的車牌識(shí)別系統(tǒng)，首先對(duì)視頻信號(hào)中的一幀（場(chǎng)）的信號(hào)進(jìn)行圖像采集，數(shù)字化，得到對(duì)應(yīng)的數(shù)字圖像；然后對(duì)其進(jìn)行分析，判斷其中是否有車輛；若認(rèn)為有車輛通行，則進(jìn)入到下一步進(jìn)行車牌識(shí)別；否則繼續(xù)采集視頻信號(hào)，進(jìn)行處理。
系統(tǒng)進(jìn)行視頻車輛檢測(cè)，需要具備很高的處理速度并采用優(yōu)秀的算法，在基本不丟幀的情況下實(shí)現(xiàn)圖像采集、處理。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無法正確檢測(cè)到行駛速度較快的車輛，同時(shí)也難以保證在有利于識(shí)別的位置開始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與車牌自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。
2.車牌號(hào)碼、顏色識(shí)別
為了進(jìn)行車牌識(shí)別，需要以下幾個(gè)基本的步驟：
車牌定位，定位圖片中的車牌位置；
車牌字符分割，把車牌中的字符分割出來；
車牌字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成車牌號(hào)碼。
車牌識(shí)別過程中，車牌顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與車牌識(shí)別互相配合、互相驗(yàn)證。
(1）車牌定位
自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定車牌區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。首先對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車車牌特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選定一個(gè)最佳的區(qū)域作為車牌區(qū)域，并將其從圖象中分割出來。
（2）車牌字符分割
完成車牌區(qū)域的定位后，再將車牌區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足車牌的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。
（3）車牌字符識(shí)別
字符識(shí)別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷?并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。
實(shí)際應(yīng)用中，車牌識(shí)別系統(tǒng)的識(shí)別率與車牌質(zhì)量和拍攝質(zhì)量密切相關(guān)。車牌質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、車牌被遮擋、車牌傾斜、高亮反光、多車牌、假車牌等等；實(shí)際拍攝過程也會(huì)受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了車牌識(shí)別的識(shí)別率，也正是車牌識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識(shí)別。
