車(chē)牌識別技術(shù)是指對攝像機所拍攝的車(chē)輛圖像或視頻序列，經(jīng)過(guò)機器視覺(jué)、圖像處理和模式識別等算法處理后自動(dòng)讀取車(chē)牌號碼、車(chē)牌類(lèi)型、車(chē)牌顏色等信息的技術(shù)，是人工智能技術(shù)中重要的分支。它的硬件基礎包括觸發(fā)設備、攝像設備、照明設備、圖像采集設備、識別車(chē)牌號碼的處理機，其軟件核心包括車(chē)牌定位、字符分割、字符識別等算法。目前已經(jīng)被廣泛應用于智能交通系統的各種場(chǎng)合，像公路收費、停車(chē)管理、稱(chēng)重系統、交通誘導、交通執法、公路稽查、車(chē)輛調度、車(chē)輛檢測等。對于維護交通安全和城市治安，防止交通堵塞，實(shí)現交通全自動(dòng)化管理有著(zhù)現實(shí)的意義。

　　1、圖像采集

　　根據車(chē)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(guò)車(chē)輛觸發(fā)地感線(xiàn)圈、紅外或雷達等裝置，給相機一個(gè)觸發(fā)信號，相機在接收到觸發(fā)信號后會(huì )抓拍一張圖像，該方法的優(yōu)點(diǎn)是觸發(fā)率高，性能穩定，缺點(diǎn)是需要切割地面鋪設線(xiàn)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，相機會(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線(xiàn)圈，也不需要安裝車(chē)檢器等零部件，但其缺點(diǎn)也十分顯著(zhù)，由于算法的極限，該方案的觸發(fā)率與識別率較之外設觸發(fā)都要低一些。

　　2、預處理

　　由于圖像質(zhì)量容易受光照、天氣、相機位置等因素的影響，所以在識別車(chē)牌之前需要先對相機和圖像做一些預處理，以保證得到車(chē)牌最清晰的圖像。一般會(huì )根據對現場(chǎng)環(huán)境和已經(jīng)拍攝到的圖像的分析得出結論，實(shí)現相機的自動(dòng)曝光處理、自動(dòng)白平衡處理、自動(dòng)逆光處理、自動(dòng)過(guò)爆處理等，并對圖像進(jìn)行噪聲過(guò)濾、對比度增強、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;增強對比度的方法有對比度線(xiàn)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最近鄰插值法、雙線(xiàn)性插值法和立方卷積插值等。

　　3、車(chē)牌定位

　　從整個(gè)圖像中準確地檢測出車(chē)牌區域，是車(chē)牌識別過(guò)程的一個(gè)重要步驟，如果定位失敗或定位不完整，會(huì )直接導致最終識別失敗。由于復雜的圖像背景，且要考慮不清晰車(chē)牌的定位，所以很容易把柵欄，廣告牌等噪聲當成車(chē)牌，所以如何排除這些偽車(chē)牌也是車(chē)牌定位的一個(gè)難點(diǎn)。為了提高定位的準確率和提高識別速度，一般的車(chē)牌識別系統都會(huì )設計一個(gè)外部接口，讓用戶(hù)自己根據現場(chǎng)環(huán)境設置不同的識別區域。馳安科技車(chē)牌識別系統針對一些復雜背景(例如綠化帶、井蓋)的現場(chǎng)，可以進(jìn)行設定識別區域的操作。

　　4、車(chē)牌校正

　　由于受拍攝角度、鏡頭等因素的影響，圖像中的車(chē)牌存在水平傾斜、垂直傾斜或梯形畸變等變形，這給后續的識別處理帶來(lái)了困難。如果在定位到車(chē)牌后先進(jìn)行車(chē)牌校正處理，這樣做有利于去除車(chē)牌邊框等噪聲，更有利于字符識別。目前常用校正方法有：Hough 變換法，通過(guò)檢測車(chē)牌上下、左右邊框直線(xiàn)來(lái)計算傾斜角度;旋轉投影法，通過(guò)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)數之和最大時(shí)的角度即為垂直傾斜角度，水平角度的計算方法與其相似;主成分分析法，根據車(chē)牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對特征點(diǎn)的主成分方向即為車(chē)牌的水平傾斜角度;方差最小法，根據字符在垂直方向投影點(diǎn)的坐標方差最小導出垂直傾斜角的閉合表達式，從而確定垂直傾斜角度;透視變換，利用檢測到的車(chē)牌的四個(gè)頂點(diǎn)經(jīng)過(guò)相關(guān)矩陣變換后實(shí)現車(chē)牌的畸變校正。

　　5、字符分割

　　定位出車(chē)牌區域后，由于并不知道車(chē)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(chē)牌類(lèi)型匹配和字符識別正確，字符分割是必不可少的一步。字符分割的主要思路是，基于車(chē)牌的二值化結果或邊緣提取結果，利用字符的結構特征、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(lái)，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(lèi)從而去除車(chē)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(lèi)和模板匹配等。污損車(chē)牌和光照不均造成的模糊車(chē)牌仍是字符分割算法所面對的挑戰，有待更好的算法出現并解決以上問(wèn)題。

　　6、字符識別

　　對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(guò)機器學(xué)習或與字符數據庫模板進(jìn)行匹配，最后選取匹配度最高的結果作為識別結果。目前比較流行的字符識別算法有：模板匹配法、人工神經(jīng)網(wǎng)絡(luò )法、支持向量機法和Adaboost分類(lèi)法等。模板匹配法的優(yōu)點(diǎn)是識別速度快、方法簡(jiǎn)單，缺點(diǎn)是對斷裂、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)習能力強、適應性強、分類(lèi)能力強但比較耗時(shí);支持向量機法對于未見(jiàn)過(guò)的測試樣本具有更好的識別能力且需要較少的訓練樣本;Adaboost分類(lèi)法能側重于比較重要的訓練數據，識別速度快、實(shí)時(shí)性較高。我國車(chē)牌由漢字、英文字母和阿拉伯數字3種字符組成，且具有統一的樣式，這也是識別過(guò)程的方便之處。但由于車(chē)牌很容易受外在環(huán)境的影響，出現模糊、斷裂、污損字符的情況，如何提高這類(lèi)字符和易混淆字符的識別率，也是字符識別的難點(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。

　　7、車(chē)牌識別結果輸出

　　將車(chē)牌識別結果以文本格式輸出，包括車(chē)牌號，車(chē)牌顏色，車(chē)牌類(lèi)型等。

　　以上就是馳安科技的小編給大家介紹的車(chē)牌識別流程內容，內容僅供大家參考!今天的內容馳安科技廣告道閘廠(chǎng)家的小編就和大家分享到這里，如果想要了解更多關(guān)于車(chē)牌 識別或者是車(chē)牌識別的相關(guān)信息，請關(guān)注馳安科技車(chē)牌識別廠(chǎng)家網(wǎng)站，我們會(huì )定期更新;如果想要咨詢(xún)車(chē)牌識別價(jià)格或者是廣告道閘價(jià)格，歡迎來(lái)電咨詢(xún)!