Système de stationnement de reconnaissance de plaque minéralogique-équipement de stationnement | Reconnaissance de plaque minéralogique HD

Reconnaissance des plaques d'immatriculation système de stationnement-équipement de stationnement | équipement de gestion des parkings | équipement du système de stationnement, principe de reconnaissance automatique des plaques d'immatriculation, schéma du processus de reconnaissance des plaques d'immatriculation, schéma du processus de reconnaissance des plaques d'immatriculation. La reconnaissance automatique des plaques d'immatriculation est une technologie de reconnaissance de formes pour la reconnaissance automatique du numéro de plaque d'immatriculation et de la couleur en utilisant une vidéo dynamique ou une image statique du véhicule. Sa base matérielle comprend généralement un équipement de déclenchement (surveillant si le véhicule entre dans le champ de vision), un équipement de caméra, un équipement d'éclairage, un équipement d'acquisition d'images, un processeur pour reconnaître le numéro de plaque d'immatriculation (tel qu'un ordinateur), etc. Son cœur logiciel comprend un algorithme de localisation de plaque d'immatriculation, un algorithme de segmentation des caractères de plaque d'immatriculation et un algorithme de reconnaissance optique de caractères. Certains systèmes de reconnaissance de plaques d'immatriculation ont également pour fonction de juger s'il existe une voiture grâce à des images vidéo, ce qui est appelé détection vidéo de véhicule. Un système complet de reconnaissance des plaques d'immatriculation devrait inclure la détection des véhicules, l'acquisition d'images, la reconnaissance des plaques d'immatriculation, etc.

Lorsque la section de détection du véhicule détecte l'arrivée du véhicule, elle déclenche l'unité d'acquisition d'image pour acquérir l'image vidéo actuelle. L'unité de reconnaissance de plaque d'immatriculation traite l'image, localise la position de la plaque d'immatriculation, segmente les caractères de la plaque d'immatriculation pour la reconnaissance, puis forme la sortie du numéro de plaque d'immatriculation. (1) Détection de véhicule: la détection de véhicule peut adopter la détection de bobine enterrée, la détection infrarouge, la détection radar, la détection vidéo et d'autres méthodes. En utilisant la détection vidéo peut éviter d'endommager la surface de la route, aucun équipement de détection externe supplémentaire, pas besoin de corriger la position de déclenchement, économiser des dépenses, et est plus approprié pour les applications mobiles et portables. Pour la détection vidéo des véhicules, le système doit avoir une vitesse de traitement élevée et adopter d'excellents algorithmes pour réaliser l'acquisition et le traitement d'images sans perdre de trames. Si la vitesse de traitement est lente, cela entraînera une perte de cadre, de sorte que le système ne peut pas détecter le véhicule avec une vitesse de conduite rapide.

Dans le même temps, il est difficile de s'assurer que le traitement de reconnaissance est commencé au poste propice à la reconnaissance, ce qui affectera le taux de reconnaissance du système. Par conséquent, il est difficile de combiner la détection vidéo du véhicule avec la reconnaissance automatique des plaques d'immatriculation. (2) Numéro de plaque d'immatriculation et reconnaissance des couleurs pour la reconnaissance des plaques d'immatriculation. Les étapes de base suivantes sont requises: 1) le positionnement de la plaque d'immatriculation, le positionnement de la position de la plaque d'immatriculation dans l'image; 2) la segmentation des caractères de la plaque d'immatriculation, qui divise les caractères de la plaque d'immatriculation; 3) la reconnaissance des caractères de la plaque d'immatriculation, reconnaître les caractères segmentés et enfin former le numéro de plaque d'immatriculation. Dans le processus de reconnaissance des plaques d'immatriculation, la reconnaissance de la couleur de la plaque d'immatriculation est basée sur différents algorithmes et peut être réalisée dans les différentes étapes ci-dessus. Il coopère et vérifie généralement avec la reconnaissance des plaques d'immatriculation. 1) Dans l'environnement naturel de l'emplacement de la plaque d'immatriculation, le fond de l'image du véhicule est complexe et l'éclairage est inégal.

Comment déterminer avec précision la zone de la plaque d'immatriculation en arrière-plan naturel est la clé de tout le processus de reconnaissance. Tout d'abord, une recherche de corrélation à grande échelle est effectuée sur l'image vidéo collectée, et plusieurs régions en ligne avec les caractéristiques de la plaque d'immatriculation du véhicule se trouvent en tant que régions candidates. Ensuite, ces régions candidates sont analysées et évaluées plus avant. Enfin, une meilleure région est sélectionnée comme région de plaque d'immatriculation et séparée de l'image. 2) Une fois que la segmentation du caractère de la plaque d'immatriculation a terminé l'emplacement de la zone de la plaque d'immatriculation, la zone de la plaque d'immatriculation est divisée en un seul caractère, puis reconnue. La segmentation des caractères adopte généralement une méthode de projection verticale.

Étant donné que la projection de caractères dans la direction verticale doit être proche de la valeur minimale locale à l'écart entre ou à l'intérieur des caractères, et cette position doit répondre au format d'écriture des caractères, aux caractères, aux restrictions de taille et à certaines autres conditions de la plaque d'immatriculation. La méthode de projection verticale a un bon effet sur la segmentation des caractères dans l'image automobile dans un environnement complexe. 3) À l'heure actuelle, les méthodes de reconnaissance de caractères de plaque d'immatriculation comprennent principalement un algorithme de correspondance de modèles et un algorithme de réseau neuronal artificiel. Sur la base de l'algorithme de correspondance de modèle, tout d'abord, le caractère segmenté est binarisé et sa taille est mise à l'échelle à la taille du modèle dans la base de données de caractères, puis il est mis en correspondance avec tous les modèles et la meilleure correspondance est sélectionnée comme résultat. Il existe deux algorithmes basés sur un réseau de neurones artificiels: l'un consiste à extraire les caractéristiques des caractères, puis à utiliser les fonctionnalités obtenues pour entraîner le distributeur du réseau de neurones; Une autre méthode consiste à entrer l'image directement dans le réseau, et le réseau extrait automatiquement la fonctionnalité jusqu'à ce que le résultat de la reconnaissance soit obtenu. Dans l'application pratique, le taux de reconnaissance du système de reconnaissance des plaques d'immatriculation est également étroitement lié à la qualité des plaques d'immatriculation et à la qualité de la prise de vue.

La qualité de la plaque d'immatriculation sera affectée par divers facteurs, tels que la rouille, les taches, l'épluchage de la peinture, la décoloration des polices, le blindage des plaques d'immatriculation, l'inclinaison de la plaque d'immatriculation, la mise en surbrillance et la réflexion, plusieurs plaques d'immatriculation, fausses plaques d'immatriculation, etc.; Le processus de prise de vue réel sera également affecté par la luminosité environnementale, Mode de tir, vitesse du véhicule et ainsi de suite. Ces facteurs réduisent à des degrés divers le taux de reconnaissance de la reconnaissance des plaques d'immatriculation, ce qui est la difficulté et le défi du système de reconnaissance des plaques d'immatriculation. Afin d'améliorer le taux de reconnaissance, en plus d'améliorer constamment l'algorithme de reconnaissance, nous devrions également trouver des moyens de surmonter diverses conditions d'éclairage pour rendre les images collectées les plus propices à la reconnaissance.