深度解析車牌識別技術(shù)——安快介紹

車牌識別技術(shù)是基于計算機控制為基礎(chǔ)，通過拍攝設(shè)備和車牌識別系統(tǒng)來提供的。簡單地說，車牌識別過程就是先拍照記錄車身，接著在整車中找到車牌的位置，然后提取跟車牌號碼有關(guān)的所有字符圖像，之后篩選出相關(guān)的省份簡稱漢字、大些英文字母和數(shù)字等字符，最后通過字符庫的對比識別出準確的車牌號碼。整個車牌識別過程的呈現(xiàn)都突顯了車牌識別技術(shù)，達到了人工智能識別車牌的目的。

車牌識別技術(shù)的結(jié)晶就是如今遍布于各種交通領(lǐng)域以及停車場的車牌識別系統(tǒng)（設(shè)備），車牌識別系統(tǒng)采用高度模塊化的設(shè)計，將車牌識別技術(shù)實現(xiàn)的各個方面作為一個獨立的車牌識別過程模塊，具體包含以下七個方面的模塊：

1.車輛檢測跟蹤模塊：車輛檢測與跟蹤模塊主要是分析視頻流，判斷車輛的位置，跟蹤圖像中的車輛，記錄車輛位置最佳時刻的車輛特寫畫面。因為增加了跟蹤模塊，所以系統(tǒng)可以很好。地面克服各種外界干擾，從而檢測出更合理的識別結(jié)果，檢測輸出結(jié)果。

2.車牌定位模塊：車牌定位模塊是一個非常重要的環(huán)節(jié)，是后續(xù)環(huán)節(jié)的基礎(chǔ)，其準確性對整個系統(tǒng)的性能有著巨大的影響。該車牌系統(tǒng)完全摒棄了以往的算法思想，實現(xiàn)了一種完全基于學習的車牌定位新算法。適用于各種復雜背景環(huán)境和不同拍攝角度。

3.車牌矯正及精定位模塊：由于拍攝條件的限制，圖像中的車牌總是不可避免的傾斜。一個校正和細化的位置需要進一步提高車牌圖像的質(zhì)量，為分割和識別模塊做準備。使用精心設(shè)計的快速圖像處理濾波器，不僅計算速度快，而且利用了車牌的整體信息，避免了局部噪聲的影響。使用該算法的另一個優(yōu)點是，通過對多個中間結(jié)果的分析，還可以使用車牌來進一步減少非車牌區(qū)域的影響。

4.車牌切分模塊：牌照系統(tǒng)的牌照切割模塊使用各種特征，例如牌照文本的灰度、顏色和邊緣分布?？梢愿玫囊种栖嚺浦車渌肼暤挠绊懀萑逃幸欢▋A斜角度的車牌。這種算法有利于像移動審計這樣的應(yīng)用。

5.車牌識別模塊：在車牌識別系統(tǒng)中，通常采用多種識別模型相結(jié)合的方法來識別車牌，構(gòu)建分層的字符識別過程，可以有效提高字符識別的正確率。另一方面，在字符識別之前，利用計算機智能算法對字符圖像進行初步處理，這樣不僅可以盡可能地保留圖像信息，還可以提高圖像質(zhì)量，提高相似字符的區(qū)分度，保證字符識別的可靠性。

6.車牌識別結(jié)果決策模塊：識別結(jié)果的決策模塊。具體來說，決策模塊利用車牌通過視野留下的歷史記錄，智能決定識別結(jié)果。通過計算幀數(shù)、識別結(jié)果、軌跡穩(wěn)定性、速度穩(wěn)定性、平均可信度和相似度來對得起車牌的綜合可信度，從而決定是否繼續(xù)跟蹤車牌，或者輸出是否繼續(xù)跟蹤車牌，或者輸出識別結(jié)果，或者拒絕結(jié)果。該方法綜合利用了所有幀的信息，減少了以往單一圖像識別算法帶來的偶然誤差，大大提高了系統(tǒng)識別和識別結(jié)果的準確性和可靠性。

7.車牌跟蹤模塊：車牌跟蹤模塊記錄車輛行駛過程中每一幀中車牌的位置以及外觀、識別結(jié)果、可信度等歷史信息。由于車牌跟蹤模塊采用了具有一定容錯性的運動模型和更新模型，所以對于被短時間遮擋或模糊的車牌仍能正確跟蹤和預(yù)測，最終只輸出一個識別結(jié)果。

車牌識別技術(shù)的發(fā)展令智慧停車領(lǐng)域?qū)崿F(xiàn)了很大的突破，如今的車牌識別系統(tǒng)從識別車牌到電子支付真正達到了無人值守的地步。隨著汽車數(shù)量的增多，車牌號的位數(shù)也在逐漸加長，尤其是電動車時代的到來，后5位數(shù)的車牌已經(jīng)滿足不了現(xiàn)有的車輛排序，很多車輛已經(jīng)出現(xiàn)了后6位數(shù)字的車牌號碼。因此車牌識別技術(shù)也要順應(yīng)時代同步進化，才能讓停車場系統(tǒng)越來越智能化。

更多關(guān)于車牌識別的介紹請查看：http:///news/0009640711.html