車(chē)牌識(shí)別系統(tǒng)可以采用埋地線圈檢測(cè)、紅外檢測(cè)、雷達(dá)檢測(cè)技術(shù)、視頻檢測(cè)等多種方式。采用視頻檢測(cè)可以避免破壞路面、不必附加外部檢測(cè)設(shè)備、不需矯正觸發(fā)位置、節(jié)省開(kāi)支，而且更適合移動(dòng)式、便攜式應(yīng)用的要求。4、車(chē)牌變形拉伸校正受現(xiàn)場(chǎng)環(huán)境制約，當(dāng)車(chē)牌號(hào)圖像偏角過(guò)大，系統(tǒng)無(wú)法識(shí)別，自動(dòng)根據(jù)圖像變形的程度，進(jìn)行多角度拉伸，然后從識(shí)別到的車(chē)牌號(hào)中選擇較優(yōu)的車(chē)牌號(hào)和圖片作為識(shí)別結(jié)果。

系統(tǒng)進(jìn)行視頻車(chē)輛檢測(cè)，需要具備很高的處理速度并采用算法，在基本不丟幀的情況下實(shí)現(xiàn)圖像采集、處理。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無(wú)法檢測(cè)到行駛速度較快的車(chē)輛，同時(shí)也難以保證在有利于識(shí)別的位置開(kāi)始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車(chē)輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。

車(chē)牌識(shí)別系統(tǒng)的原理

1、牌照定位

自然環(huán)境下，汽車(chē)圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過(guò)程的關(guān)鍵。5、識(shí)別算法——小波算法 神經(jīng)網(wǎng)絡(luò)智能分析DSP解馬芯片內(nèi)置車(chē)牌號(hào)圖像識(shí)別算法，車(chē)牌號(hào)圖像算法采用目前的小波算法，實(shí)現(xiàn)對(duì)圖像的過(guò)濾提取，再通過(guò)神經(jīng)網(wǎng)絡(luò)智能分析算法加以?xún)?yōu)化。首先對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車(chē)牌照特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，蕞后選定一個(gè)蕞佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來(lái)。

2、牌照字符分割

完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。字符分割一般采用垂直投影法。隨著人們生活水平的提高，人們對(duì)停車(chē)環(huán)境和生活品質(zhì)也提出了更高的要求，停車(chē)場(chǎng)收費(fèi)系統(tǒng)的功能越來(lái)越豐富，智能化成停車(chē)場(chǎng)大勢(shì)所趨，但是要想真正實(shí)現(xiàn)智能化的管理，停車(chē)場(chǎng)收費(fèi)系統(tǒng)還需要進(jìn)一步地完善自身的功能要求。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部蕞小值的附近，并且這個(gè)位置應(yīng)滿(mǎn)足牌照的字符書(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像中的字符分割有較好的效果。

3、牌照字符識(shí)別方法主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷⑵涑叽绱笮】s放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，選擇蕞佳匹配作為結(jié)果。所以要解決環(huán)境造成識(shí)別率低下的問(wèn)題，還要靠攝像機(jī)的感光部件對(duì)外部環(huán)境的處理?；谌斯ど窠?jīng)網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)字符進(jìn)行特征提取，然后用所獲得特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。

車(chē)牌識(shí)別系統(tǒng)車(chē)牌切分模塊

車(chē)牌系統(tǒng)的車(chē)牌切分模塊利用了車(chē)牌文字的灰度、顏色、邊緣分布等各種特征，能較好地抑制車(chē)牌周?chē)渌肼暤挠绊?，并能容忍一定傾斜角度的車(chē)牌。這一算法有利于類(lèi)似移動(dòng)式稽查這種車(chē)牌圖像噪聲較大的應(yīng)用。

車(chē)牌識(shí)別模塊

在車(chē)牌識(shí)別系統(tǒng)中，通常采用多種識(shí)別模型相結(jié)合的方法來(lái)進(jìn)行車(chē)牌識(shí)別，構(gòu)建一種層次化的字符識(shí)別流程，可有效地提高字符識(shí)別的正確率。軟識(shí)別系統(tǒng)：依賴(lài)IO卡進(jìn)行車(chē)輛檢測(cè)、開(kāi)關(guān)道閘等動(dòng)作，與停車(chē)場(chǎng)系統(tǒng)只是軟件嵌入關(guān)系，硬件無(wú)聯(lián)系。另一方面，在字符識(shí)別之前，使用計(jì)算機(jī)智能算法對(duì)字符圖像進(jìn)行前期處理，不僅可盡可能保留圖像信息，而且可提高圖像質(zhì)量，提高相似字符的可區(qū)分性，保證字符識(shí)別的可靠性。