車牌識別流程圖

　　車牌識別技術要求能夠將運動中的汽車牌照從複雜背景中提取並識別出來，通過車牌提取、影象預處理、特徵提取、車牌字元識別等技術，識別車輛牌號、顏色等資訊，目前最新的技術水平為字母和數字的識別率可達到99.7%，漢字的識別率可達到99%。以下是小編為大家整理的關於，給大家作為參考，歡迎閱讀!

　　車牌識別的識別原理

　　識別流程

　　車牌自動識別是一項利用車輛的動態視訊或靜態影象進行牌照號碼、牌照顏色自動識別的模式識別技術。其硬體基礎一般包括觸發裝置***監測車輛是否進入視野***、攝像裝置、照明裝置、影象採集裝置、識別車牌號碼的處理機***如計算機***等，其軟體核心包括車牌定位演算法、車牌字元分割演算法和光學字元識別演算法等。某些車牌識別系統還具有通過視訊影象判斷是否有車的功能稱之為視訊車輛檢測。一個完整的車牌識別系統應包括車輛檢測、影象採集、車牌識別等幾部分***如圖1所示***。當車輛檢測部分檢測到車輛到達時觸發影象採集單元，採集當前的視訊影象。車牌識別單元對影象進行處理，定位出牌照位置，再將牌照中的字元分割出來進行識別，然後組成牌照號碼輸出。

　　車輛檢測

　　車輛檢測可以採用埋地線圈檢測、紅外檢測、雷達檢測技術、視訊檢測等多種方式。採用視訊檢測可以避免破壞路面、不必附加外部檢測裝置、不需矯正觸發位置、節省開支，而且更適合移動式、行動式應用的要求。

　　系統進行視訊車輛檢測，需要具備很高的處理速度並採用優秀的演算法，在基本不丟幀的情況下實現影象採集、處理。若處理速度慢，則導致丟幀，使系統無法檢測到行駛速度較快的車輛，同時也難以保證在有利於識別的位置開始識別處理，影響系統識別率。因此，將視訊車輛檢測與牌照自動識別相結合具備一定的技術難度。

　　號碼識別

　　為了進行車牌識別，需要以下幾個基本的步驟：

　　1*** 牌照定位，定點陣圖片中的牌照位置;

　　2*** 牌照字元分割，把牌照中的字元分割出來;

　　3*** 牌照字元識別，把分割好的字元進行識別，最終組成牌照號碼。

　　車牌識別過程中，牌照顏色的識別依據演算法不同，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，汽車影象背景複雜、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。首先對採集到的視訊影象進行大範圍相關搜尋，找到符合汽車牌照特徵的若干區域作為候選區，然後對這些侯選區域做進一步分析、評判，最後選定一個最佳的區域作為牌照區域，並將其從影象中分離出來。

　　2*** 牌照字元分割

　　完成牌照區域的定位後，再將牌照區域分割成單個字元，然後進行識別。字元分割一般採用垂直投影法。由於字元在垂直方向上的投影必然在字元間或字元內的間隙處取得區域性最小值的附近，並且這個位置應滿足牌照的字元書寫格式、字元、尺寸限制和一些其他條件。利用垂直投影法對複雜環境下的汽車影象中的字元分割有較好的效果。

　　3*** 牌照字元識別方法主要有基於模板匹配演算法和基於人工神經網路演算法。基於模板匹配演算法首先將分割後的字元二值化並將其尺寸大小縮放為字元資料庫中模板的大小，然後與所有的模板進行匹配，選擇最佳匹配作為結果。基於人工神經網路的演算法有兩種：一種是先對字元進行特徵提取，然後用所獲得特徵來訓練神經網路分配器;另一種方法是直接把影象輸入網路，由網路自動實現特徵提取直至識別出結果。

　　實際應用中，車牌識別系統的識別率還與牌照質量和拍攝質量密切相關。牌照質量會受到各種因素的影響，如生鏽、汙損、油漆剝落、字型褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等;實際拍攝過程也會受到環境亮度、拍攝方式、車輛速度等等因素的影響。這些影響因素不同程度上降低了車牌識別的識別率，也正是車牌識別系統的困難和挑戰所在。為了提高識別率，除了不斷地完善識別演算法還應該想辦法克服各種光照條件，使採集到的影象最利於識別。