車牌識(shí)別技術(shù)是指對(duì)攝像機(jī)所拍攝的車輛圖像或視頻序列，經(jīng)過機(jī)器視覺、圖像處理和模式識(shí)別等算法處理后自動(dòng)讀取車牌號(hào)碼、車牌類型、車牌顏色等信息的技術(shù)，是人工智能技術(shù)中重要的分支。它的硬件基礎(chǔ)包括觸發(fā)設(shè)備、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)，其軟件核心包括車牌定位、字符分割、字符識(shí)別等算法。目前已經(jīng)被廣泛應(yīng)用于智能交通系統(tǒng)的各種場合，像公路收費(fèi)、停車管理、稱重系統(tǒng)、交通誘導(dǎo)、車輛調(diào)度、車輛檢測等。對(duì)于維護(hù)交通安全，防止交通堵塞，實(shí)現(xiàn)交通全自動(dòng)化管理有著現(xiàn)實(shí)的意義。
車牌識(shí)別流程
1、圖像采集
根據(jù)車輛檢測方式的不同，圖像采集一般分為兩種，一種是靜態(tài)模式下的圖像采集，通過車輛觸發(fā)地感線圈、紅外或雷達(dá)等裝置，給相機(jī)一個(gè)觸發(fā)信號(hào)，相機(jī)在接收到觸發(fā)信號(hào)后會(huì)抓拍一張圖像，該方法的優(yōu)點(diǎn)是觸發(fā)率高，性能穩(wěn)定，缺點(diǎn)是需要切割地面鋪設(shè)線圈，施工量大；另一種是視頻模式下的圖像采集，外部不需要任何觸發(fā)信號(hào)，相機(jī)會(huì)實(shí)時(shí)地記錄視頻流圖像，該方法的優(yōu)點(diǎn)是施工方便，不需要切割地面鋪設(shè)線圈，也不需要安裝車檢器等零部件，但其缺點(diǎn)也十分顯著，由于算法的極限，該方案的觸發(fā)率與識(shí)別率較之外設(shè)觸發(fā)都要低一些。北京易泊時(shí)代經(jīng)過嚴(yán)格的算法優(yōu)化，這兩種圖像采集模式的識(shí)別率和穩(wěn)定性都位居*。
（易泊地感線圈觸發(fā)模式/視頻觸發(fā)工作模式）
2、預(yù)處理
由于圖像質(zhì)量容易受光照、天氣、相機(jī)位置等因素的影響，所以在識(shí)別車牌之前需要先對(duì)相機(jī)和圖像做一些預(yù)處理，以保證得到車牌清晰的圖像。一般會(huì)根據(jù)對(duì)現(xiàn)場環(huán)境和已經(jīng)拍攝到的圖像的分析得出結(jié)論，實(shí)現(xiàn)相機(jī)的自動(dòng)曝光處理、自動(dòng)白平衡處理、自動(dòng)逆光處理、自動(dòng)過爆處理等，并對(duì)圖像進(jìn)行噪聲過濾、對(duì)比度增強(qiáng)、圖像縮放等處理。去噪方法有均值濾波、中值濾波和高斯濾波等；增強(qiáng)對(duì)比度的方法有對(duì)比度線性拉伸、直方圖均衡和同態(tài)濾波器等；圖像縮放的主要方法有近鄰插值法、雙線性插值法和立方卷積插值等。
（逆光圖像）
（過曝圖像 ）
（有噪聲圖像）
3、車牌定位
從整個(gè)圖像中準(zhǔn)確地檢測出車牌區(qū)域，是車牌識(shí)別過程的一個(gè)重要步驟，如果定位失敗或定位不完整，會(huì)直接導(dǎo)致終識(shí)別失敗。由于復(fù)雜的圖像背景，且要考慮不清晰車牌的定位，所以很容易把柵欄，廣告牌等噪聲當(dāng)成車牌，所以如何排除這些偽車牌也是車牌定位的一個(gè)難點(diǎn)。為了提高定位的準(zhǔn)確率和提高識(shí)別速度，一般的車牌識(shí)別系統(tǒng)都會(huì)設(shè)計(jì)一個(gè)外部接口，讓用戶自己根據(jù)現(xiàn)場環(huán)境設(shè)置不同的識(shí)別區(qū)域。易泊車牌識(shí)別系統(tǒng)針對(duì)一些復(fù)雜背景（例如綠化帶、井蓋）的現(xiàn)場，可以進(jìn)行設(shè)定識(shí)別區(qū)域的操作。
（基于連通域分析的車牌定位方法流程圖）
4、車牌校正
由于受拍攝角度、鏡頭等因素的影響，圖像中的車牌存在水平傾斜、垂直傾斜或梯形畸變等變形，這給后續(xù)的識(shí)別處理帶來了困難。如果在定位到車牌后*行車牌校正處理，這樣做有利于去除車牌邊框等噪聲，更有利于字符識(shí)別。目前常用校正方法有：Hough變換法，通過檢測車牌上下、左右邊框直線來計(jì)算傾斜角度；旋轉(zhuǎn)投影法，通過按不同角度將圖像在水平軸上進(jìn)行垂直投影，其投影值為0的點(diǎn)數(shù)之和大時(shí)的角度即為垂直傾斜角度，水平角度的計(jì)算方法與其相似；主成分分析法，根據(jù)車牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對(duì)特征點(diǎn)的主成分方向即為車牌的水平傾斜角度；方差小法，根據(jù)字符在垂直方向投影點(diǎn)的坐標(biāo)方差小導(dǎo)出垂直傾斜角的閉合表達(dá)式，從而確定垂直傾斜角度；利用檢測到的車牌的四個(gè)頂點(diǎn)經(jīng)過相關(guān)矩陣變換后實(shí)現(xiàn)車牌的畸變校正。易泊時(shí)代針對(duì)大角度車牌識(shí)別仍有很高的識(shí)別率。
5、字符分割
定位出車牌區(qū)域后，由于并不知道車牌中總共有幾個(gè)字符、字符間的位置關(guān)系、每個(gè)字符的寬高等信息，所以，為了保證車牌類型匹配和字符識(shí)別正確，字符分割是*的一步。字符分割的主要思路是，基于車牌的二值化結(jié)果或邊緣提取結(jié)果，利用字符的結(jié)構(gòu)特征、字符間的相似性、字符間間隔等信息，一方面把單個(gè)字符分別提取出來，也包括粘連和斷裂字符等特殊情況的處理；另一方面把寬、高相似的字符歸為一類從而去除車牌邊框以及一些小的噪聲。一般采用的算法有：連通域分析、投影分析，字符聚類和模板匹配等。污損車牌和光照不均造成的模糊車牌仍是字符分割算法所面對(duì)的挑戰(zhàn)，有待更好的算法出現(xiàn)并解決以上問題。
6、字符識(shí)別
對(duì)分割后的字符的灰度圖像進(jìn)行歸一化處理，特征提取，然后經(jīng)過機(jī)器學(xué)習(xí)或與字符數(shù)據(jù)庫模板進(jìn)行匹配，后選取匹配度高的結(jié)果作為識(shí)別結(jié)果。目前比較流行的字符識(shí)別算法有：模板匹配法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法和Adaboost分類法等。模板匹配法的優(yōu)點(diǎn)是識(shí)別速度快、方法簡單，缺點(diǎn)是對(duì)斷裂、污損等情況的處理有一些困難；人工神經(jīng)網(wǎng)絡(luò)法學(xué)習(xí)能力強(qiáng)、適應(yīng)性強(qiáng)、分類能力強(qiáng)但比較耗時(shí)；支持向量機(jī)法對(duì)于未見過的測試樣本具有更好的識(shí)別能力且需要較少的訓(xùn)練樣本；Adaboost分類法能側(cè)重于比較重要的訓(xùn)練數(shù)據(jù)，識(shí)別速度快、實(shí)時(shí)性較高。我國車牌由漢字、英文字母和阿拉伯?dāng)?shù)字3種字符組成，且具有統(tǒng)一的樣式，這也是識(shí)別過程的方便之處。但由于車牌很容易受外在環(huán)境的影響，出現(xiàn)模糊、斷裂、污損字符的情況，如何提高這類字符和易混淆字符的識(shí)別率，也是字符識(shí)別的難點(diǎn)之一。易混淆字符包括：0與D、0與Q、2與Z、8與B、5與S、6與G、4與A等。
（污損車牌）
7、車牌識(shí)別結(jié)果輸出
將車牌識(shí)別結(jié)果以文本格式輸出，包括車牌號(hào)，車牌顏色，車牌類型等。
那么有關(guān)車牌識(shí)別技術(shù)的判別指標(biāo)，車牌識(shí)別技術(shù)的應(yīng)用領(lǐng)域等話題，且聽小編下回詳解！持續(xù)關(guān)注哦！
會(huì)員1.png)