首頁(yè)熱門文章
相關(guān)文章
智能停車場(chǎng)車牌自動(dòng)識(shí)別原理是怎樣的？
發(fā)布時(shí)間：2017-01-05 分類：交通百科
通過(guò)對(duì)圖像的采集和處理，完成車牌自動(dòng)識(shí)別功能，能從一幅圖像中自動(dòng)提取車牌圖像，自動(dòng)分割字符，進(jìn)而對(duì)字符進(jìn)行識(shí)別。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。
某些牌照識(shí)別系統(tǒng)還具有通過(guò)視頻圖像判斷車輛駛?cè)胍曇?/span>的功能稱之為視頻車輛檢測(cè)。一個(gè)完整的牌照識(shí)別系統(tǒng)應(yīng)包括車輛檢測(cè)、圖像采集、牌照識(shí)別等幾部分。
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。牌照識(shí)別單元對(duì)圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來(lái)進(jìn)行識(shí)別，然后組成牌照號(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)功能的牌照識(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)行牌照識(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(wú)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)與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。
2.牌照號(hào)碼、顏色識(shí)別
為了進(jìn)行牌照識(shí)別，需要以下幾個(gè)基本的步驟：
a、牌照定位，定位圖片中的牌照位置；
b、牌照字符分割，把牌照中的字符分割出來(lái)；
c、牌照字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼。
d、牌照識(shí)別過(guò)程中，牌照顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與牌照識(shí)別互相配合、互相驗(yàn)證。
(1) 牌照定位
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)確地確定牌照區(qū)域是整個(gè)識(shí)別過(guò)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，找到符合汽車牌照特征的若干區(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)域作為牌照區(qū)域，并將其從圖象中分割出來(lái)。
(2) 牌照字符分割
完成牌照區(qū)域的定位后，再將牌照區(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)滿足牌照的字符書寫格式、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) 牌照字符識(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。基于模板匹配算法首先將分割后的字符二值化,并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)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)提取直至識(shí)別出結(jié)果。待識(shí)別字符進(jìn)行特征提取，然后用所獲得特征來(lái)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)特征實(shí)際應(yīng)用中，牌照識(shí)別系統(tǒng)的識(shí)別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(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、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過(guò)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牌照識(shí)別的識(shí)別率，也正是牌照識(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。
迪蒙智慧路側(cè)停車系統(tǒng)是迪蒙歷時(shí)三年傾力打造的一款全新的一站式道路停車收費(fèi)管理解決方案。系統(tǒng)由信息采集前端、運(yùn)營(yíng)管理后臺(tái)、服務(wù)綜合云平臺(tái)三大模塊組成，具有車位實(shí)時(shí)數(shù)據(jù)采集、狀態(tài)監(jiān)控、車位查找、停車綁定、在線支付及執(zhí)法監(jiān)管等強(qiáng)大功能，解決了傳統(tǒng)停車管理智能化水平低、操作程序繁瑣、用戶體驗(yàn)感差等問(wèn)題，實(shí)現(xiàn)了停車智慧化、管理可視化和運(yùn)營(yíng)高效化，是中國(guó)智慧停車系統(tǒng)領(lǐng)軍品牌。
