您好，歡迎來到易龍商務網！
發布時間：2021-10-09 15:09
【廣告】
從車牌識別發展過程來看，車牌識別技術在應用中所要面臨兩個方面的挑戰。
1、人為挑戰：車速、車牌對車牌識別的挑戰
道路監控同時也面臨另一不可控制的因素——行駛車輛的速度不一。即使在一般道路上，依據不同駕駛的駕駛習慣，時速差距往往可以達到30公里，甚至40公里;而當車速過快時，往往也會產生拖影的問題。因此攝像機的快門速度和幀率必須趕上車輛的快速移動，才能掌握車輛的細節以及車牌號碼，再讓辨識系統進行辨認。
除了車速難以掌控以外，車牌的不統一性也是令各家監控廠商的問題。不論是英文字母的字數不同，或是各式排列不一的組合方式，皆增加了辨識系統的負擔;更甚者，許多駕駛未能維持車牌的干凈度，時常會有污漬遮蔽號碼或是破損的問題，辨識難度不言可喻。故在各種嚴苛條件的綜合下，道路監控與車牌辨識相對門坎比一般環境來得具挑戰性。
幀差法
幀間差分法又稱圖像序列差分法.當監控場景中出現運動物體時，幀與幀之間會出現較為明顯的差別，兩幀相減，得到兩幀圖像對應像素點亮度值差的，通過判斷它是否大干閥值來分析視頻或圖像序列的運動特性，確定圖像序列中有無物體運動，圖
像序列逐幀地差分，相當于對圖像序列進行了時域上的高通濾波。
幀差法的優點是計算簡單且不易受環境光線變化的影響，但它不能檢測靜止車輛，且處理效果與圖像采樣頻率以及被檢測車輛的車速有關·如果視頻檢測囂采樣頻率過小，而車速較快，可能會造成誤分割：反之如果采樣頻率過大且車速較慢，又會造成過度覆蓋，情況下運動物體可能完全重疊，類似于靜止車輛，從而導致無法分割出運動物體。
可靠的背景圖像是背景差法能否成功提取目標區域的關鍵.背景圖像可由人工拍攝一幅沒有車輛的圖像來得到，也可以通過序列圖像的平均來得到，顯然，建筑物陰影、浮云或光照的變化都會造成背景環境明顯的變化.由于這些環境變化因素，作為參照物的背景需要定時更新·目前有多種背景更新方法，常用的方法是多幀平均( frameAvmging)法和選擇更新(Selective Updating)法。
汽車人臉識別系統:汽車人臉識別系統可以模擬到人臉識別系統.車輛通過顏色、光照位置、年檢標志、天窗、甚至車前裝飾進行識別.汽車牌照識別系統與車牌識別系統的交互將在一定程度上提高識別速度和識別精度.目前,個車牌識別系統在業界已經能夠使用汽車的人臉識別系統.
圖像對比技術:圖像對比技術又稱為圖像、圖像識別等圖像對比技術主要是通過比較同一車輛的停車場的入口和出口,上傳圖片管理系統獲取車輛的入口.圖像比較技術是停車收費管理的重要手段和手段.
上述圖形比較技術、車輛面部識別技術和云停車技術是車牌識別系統不斷發展的產物.依托互聯網和現代信息技術,這些技術有助于使車牌識別系統的智能化和高科技.隨著云計算的發展和大數據時代的到來,車牌識別系統將更加智能化.-----
