藍牙車牌自動識別儀價格產品介紹「云停智能」

為了進行車牌識別，需要以下幾個基本的步驟:

1) 牌照定位，定位圖片中的牌照位置;

2) 牌照字符分割，把牌照中的字符分割出來;

3) 牌照字符識別，把分割好的字符進行識別，終組成牌照號碼。

車牌識別過程中，牌照顏色的識別依據算法不同，可能在上述不同步驟實現，通常與車牌識別互相配合、互相驗證。

1) 牌照定位

自然環境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中準確地確定牌照區域是整個識別過程的關鍵。首先對采集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特征的若干區域作為候選區，然后對這些侯選區域做進一步分析、評判，后選定一個的區域作為牌照區域，并將其從圖像中分離出來。

2) 牌照字符分割

完成牌照區域的定位后，再將牌照區域分割成單個字符，然后進行識別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內的間隙處取得局部值的附近，并且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復雜環境下的汽車圖像中的字符分割有較好的效果。

3) 牌照字符識別方法主要有基于模板匹配算法和基于人工神經網絡算法。基于模板匹配算法首先將分割后的字符二值化并將其尺寸大小縮放為字符數據庫中模板的大小，然后與所有的模板進行匹配，選擇匹配作為結果。基于人工神經網絡的算法有兩種:一種是先對字符進行特征提取，然后用所獲得特征來訓練神經網絡分配器;另一種方法是直接把圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。

采用計算機視覺技術識別車牌的流程通常都包括車輛圖像采集，車牌定位，字符分割，光學字符識別，輸出識別結果5個步驟。車輛圖像的采集方式決定了車牌識別的技術路線。國際ITS通行的兩條主流技術路線是自然光和紅外光圖像采集識別。自然光和紅外光不會對人體產生不良的心理影響，也不會對環境產生新的電子污染，屬于綠色環保技術。

自然光路線是指白天利用自然光線，夜間采用輔助照明光源，用彩色攝像機采集車輛真彩色像，用彩圖像分析處理方法識別車牌。自然光真彩色識別技術路線，與人眼感光習慣一致，并且，真彩色像能夠反映車輛應用 及其周圍環境真實的圖像信息，不僅可以用來識別車牌照，而且可以用來識別車牌照顏色、車流量、車型、車顏色等車輛特征。用一個攝像機采集的圖像，同時實現所有前端基本視頻信息采集、識別和人工輔助圖像取證判別，可以前瞻性的為未來的智能交通系統工程預留接口。

紅外光路線是指利用車牌反和紅外光的光學特性，用紅外攝像機采集車輛灰度圖像，由于紅外特性，車輛圖像上幾乎只能看見車牌，然后用黑白圖像處理方法識別車牌。950nm的紅外照明裝置可抓拍到很好的反光車牌照圖像。因紅外光是不可見光，它不會對駕駛員產生視覺影響。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中明亮的時候，還是在一天中暗的時候。唯的例外是在白天，有時會看到一些牌照周圍的細節，這是因為晴朗天氣時太陽光的外光波的影響。采用紅外燈的缺點就是所捕獲的車牌照圖像不是彩色的，不能獲取整車圖像，并且嚴重依賴車牌光材料。

車牌識別系統采取無接觸式智能卡技巧，首要經過在車輛上裝配具備必需頻率的電磁波發射裝置，并在所需求的查驗位置裝配勘測裝置殺青對車輛的自動辨認，另一哪類步驟為經過攝像頭搜羅車輛圖片，并應用圖片辦理、圖片解析和造型辨認技巧自動辨認車輛執照號碼。

哪類步驟穩定性較強，但需求事前在待測車輛上裝配所需設置，這在不少境況下是難以殺青的。而基于圖片辦理的步驟具備投資少、順應性強、裝配庇護便利等特性，而且不妨把車牌辨認同車型、車色、車速的辨認結合起來，構成功能完善的車輛消息管理體系。因而，交通管理部門、公路管理部門均將基于圖片辦理的車牌辨認體系當作首。

車牌識別技術方面的研究國外起步較早。早在20世紀80年代，便開始有一些零散的圖像處理方法應用車牌識別的某些方面。在這個階段，車牌識別技術的研究還沒有形成系統，通常采用簡單的圖像處理來解決某些具體問題，且終結果通常都需要進行人工干預。

20世紀90年代后，車牌識別的系統化的研究剛起步。典型的例如1990年A.S.Johns-on等人提出車牌自動識別系統的構想，主要分為圖像分割、特征提取與模板構造、字符識別三個部分來完成車牌的自動識別。同年R.A.Lotufo采用基于視覺字符識別技術處理所獲得的圖像，先在二值化圖像中找到車牌區域，然后利用邊界跟蹤技術獲得字符特征，再將鄰近分類結果和字符庫中的字符作比較，然后得出一個或幾個車牌候選號碼，接下來對這些號碼進行核實檢查，確定該車牌號碼是否為要識別的號碼。這個時期的車牌識別技術在識別正確率方面獲得較大突破。