車牌識別停車場系統-停車場設備 | 高清車牌識別

車牌識別停車場系統-停車場設備 | 停車場管理設備 | 停車場系統設備,車牌自動識別原理,車牌識別過程示意圖,車牌識別過程示意圖。 車牌自動識別是一種利用車輛動態視頻或靜態圖像自動識別車牌號碼和顏色的模式識別技術。 其硬件基礎一般包括觸發設備 (監控車輛是否進入視野) 、攝像設備、照明設備、圖像採集設備、識別車牌號的處理器 (如計算機) 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字符識別算法。 有些車牌識別系統還具有通過視頻圖像判斷是否有車的功能,稱為視頻車輛檢測。 一個完整的車牌識別系統應該包括車輛檢測、圖像採集、車牌識別等。

當車輛檢測部分檢測到車輛的到達時,它觸發圖像獲取單元獲取當前視頻圖像。 車牌識別單元對圖像進行處理,定位車牌位置,對車牌中的字符進行分段識別,然後形成車牌號碼輸出。 (1) 車輛檢測: 車輛檢測可採用埋地線圈檢測、紅外檢測、雷達探測、視頻檢測等方法。 使用視頻檢測可以避免損壞路面,無需額外的外部檢測設備,無需校正觸發位置,節省費用,更適合移動和便攜式應用。 對於視頻車輛檢測,該系統需要具有較高的處理速度,並採用出色的算法來實現圖像採集和處理,而不會丟失幀。 如果處理速度較慢,則會導致車架丟失,從而使系統無法檢測到行駛速度快的車輛。

同時,很難保證識別處理是在有利於識別的位置開始的,這將影響系統的識別率。 因此,很難將視頻車輛檢測與自動車牌識別相結合。 (2) 車牌識別的車牌號碼和顏色識別。 需要進行以下基本步驟: 1) 車牌定位,定位圖片中的車牌位置; 2) 車牌字符分割,對車牌中的字符進行分割; 3) 車牌字符識別,識別分割後的字符,最後形成車牌號碼。 在車牌識別過程中,車牌顏色的識別是基於不同的算法,可能在上述不同的步驟中實現。 它通常與車牌識別合作並進行驗證。 1) 在車牌定位的自然環境中,車輛圖像的背景複雜,照明不均勻。

如何準確地確定自然背景下的車牌區域是整個識別過程的關鍵。 首先對採集到的視頻圖像進行大規模關聯搜索,找出幾個符合車輛牌照特徵的區域作為候選區域。 然後進一步分析和評估這些候選區域。 最後,選擇最佳區域作為車牌區域,並與圖像分離。 2) 車牌字符分割完成車牌區域的位置後,將車牌區域劃分為單個字符,然後識別。 字符分割一般採用垂直投影法。

由於字符在垂直方向上的投影必須在字符之間或字符內的間隙處的局部最小值附近,並且該位置應滿足字符書寫格式,字符,大小限制和車牌的一些其他條件。 垂直投影方法對複雜環境下汽車圖像中的字符分割具有良好的效果。 3) 目前,車牌字符識別方法主要有模板匹配算法和人工神經網絡算法。 基於模板匹配算法,首先將分割後的字符進行二值化,並將其大小縮放為字符數據庫中模板的大小,然後將其與所有模板進行匹配,並選擇最佳匹配作為結果。 基於人工神經網絡的算法有兩種: 一種是提取字符的特徵,然後利用獲得的特徵訓練神經網絡分布器; 另一種方法是將圖像直接輸入網絡,由網絡自動提取特徵,直到獲得識別結果。 在實際應用中,車牌識別系統的識別率也與車牌質量和拍攝質量密切相關。

車牌質量會受到各種因素的影響,如鐵銹、污漬、油漆剝落、字體褪色、車牌遮擋、車牌傾斜、高光和反光、多車牌、假車牌等; 實際拍攝過程還會受到環境亮度的影響,拍攝模式、車速等。 這些因素不同程度地降低了車牌識別的識別率,這是車牌識別系統面臨的困難和挑戰。 為了提高識別率,除了不斷改進識別算法外,還應該想辦法克服各種光照條件,使採集到的圖像最有利於識別。