車(chē)輛識(shí)別管理系統(tǒng)的自動(dòng)識(shí)別原理。

車(chē)牌自動(dòng)識(shí)別是利用車(chē)輛的動(dòng)態(tài)視頻和靜態(tài)圖像進(jìn)行車(chē)牌號(hào)碼、車(chē)牌顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備(監(jiān)視車(chē)輛是否進(jìn)入視野)、照相設(shè)備、照明設(shè)備、圖像采集設(shè)備、識(shí)別車(chē)牌號(hào)碼的處理機(jī)(例如計(jì)算機(jī))等，其軟件的核心包括車(chē)牌定位算法、車(chē)牌字符分割算法和光學(xué)字符識(shí)別算法等。一些車(chē)牌識(shí)別系統(tǒng)通過(guò)視頻圖像判斷是否有車(chē)輛的功能稱(chēng)為視頻車(chē)輛檢查。完整的車(chē)牌識(shí)別系統(tǒng)包括車(chē)輛檢測(cè)、圖像采集、車(chē)牌識(shí)別等幾個(gè)部分。車(chē)輛檢測(cè)部分檢測(cè)到車(chē)輛到達(dá)時(shí)觸發(fā)圖像采集單元，采集現(xiàn)在的視頻圖像。車(chē)牌識(shí)別單元處理圖像，定位，分割車(chē)牌中的字符進(jìn)行識(shí)別，構(gòu)成車(chē)牌號(hào)碼輸出。
一是車(chē)輛檢測(cè)。
車(chē)輛檢查可以采用埋地線圈檢查、紅外線檢查、雷達(dá)檢查、視頻檢查等多種方式。采用視頻檢查，不破壞路面，不需要追加外部檢查設(shè)備，不需要矯正觸發(fā)位置，節(jié)約費(fèi)用，適合移動(dòng)式、便攜式應(yīng)用的要求。
車(chē)牌識(shí)別管理系統(tǒng)。
對(duì)視頻車(chē)輛進(jìn)行系統(tǒng)檢測(cè)，需要有較高的處理速度和優(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。如果處理速度慢，就會(huì)造成丟幀，使得系統(tǒng)無(wú)法檢測(cè)到行駛速度快的車(chē)輛，同時(shí)也很難保證在有利于識(shí)別的地方開(kāi)始識(shí)別處理，影響系統(tǒng)識(shí)別率。所以，將視頻車(chē)輛檢測(cè)與車(chē)牌自動(dòng)識(shí)別相結(jié)合具有一定的技術(shù)難度。
牌照號(hào)碼，顏色識(shí)別等。
為了識(shí)別車(chē)牌，需要以下基本步驟:
(1)牌照定位，在圖片中定位牌照位置；
(2)分割牌照中的字符，分割牌照中的字符；
(3)識(shí)別牌照字符，識(shí)別分割的字符，最終形成牌照號(hào)。
在車(chē)牌識(shí)別過(guò)程中，車(chē)牌顏色的識(shí)別可以根據(jù)不同的算法實(shí)現(xiàn)，通常與車(chē)牌識(shí)別相互配合和驗(yàn)證。
(1)牌照定位。
在自然環(huán)境中，汽車(chē)圖像背景復(fù)雜，光線不均勻，如何在自然背景中準(zhǔn)確確定車(chē)牌區(qū)域是整個(gè)識(shí)別過(guò)程的關(guān)鍵。先對(duì)收集到的視頻圖像進(jìn)行廣泛的相關(guān)搜索，找出幾個(gè)符合車(chē)牌特征的區(qū)域作為候選區(qū)域，然后對(duì)這些候選區(qū)域進(jìn)行進(jìn)一步的分析、判斷，最后選擇最佳區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來(lái)。
二是牌照字符的分割。
執(zhí)照區(qū)域定位完成后，將執(zhí)照區(qū)域分成單個(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的投影必會(huì)在字符之間或字符內(nèi)的間隙附近獲得局部最小值，因此該位置應(yīng)滿(mǎn)足牌照字符的書(shū)寫(xiě)格式、字符、尺寸限制和其他條件。垂直投影法用于在復(fù)雜環(huán)境下分割汽車(chē)圖像中的字符。
(3)牌照字符識(shí)別。
目前，字符識(shí)別方法主要基于模板匹配算法和人工神經(jīng)網(wǎng)絡(luò)算法。在模板匹配算法的基礎(chǔ)上，首先將分割后的字符二值化，將其尺寸縮放為模板在字符數(shù)據(jù)庫(kù)中的尺寸，然后與所有模板進(jìn)行匹配，選擇最佳匹配作為結(jié)果。以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的算法有兩種：一種是先提取字符的特征，然后通過(guò)獲取的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種是直接將圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)提取特征，直到識(shí)別結(jié)果。
在實(shí)際應(yīng)用中，車(chē)牌識(shí)別系統(tǒng)的識(shí)別率也與車(chē)牌質(zhì)量和拍攝質(zhì)量密切相關(guān)。車(chē)牌質(zhì)量會(huì)受到各種因素的影響，如生銹、污漬、油漆剝落、字體褪色、車(chē)牌被遮擋、車(chē)牌傾斜、高亮度反射、多車(chē)牌、假車(chē)牌等；實(shí)際拍攝過(guò)程也會(huì)受到環(huán)境亮度、拍攝方式、車(chē)速等因素的影響。這些影響因素在不同程度上降低了車(chē)牌識(shí)別的識(shí)別率，也是車(chē)牌識(shí)別系統(tǒng)的難點(diǎn)和挑戰(zhàn)。為了提高識(shí)別率，不僅要不斷完善識(shí)別算法，還要想辦法克服各種照明條件，讓收集到的圖像最有利于識(shí)別。