車牌識(shí)別流程圖
車牌識(shí)別流程圖
車牌識(shí)別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車牌照從復(fù)雜背景中提取并識(shí)別出來，通過車牌提取、圖像預(yù)處理、特征提取、車牌字符識(shí)別等技術(shù)，識(shí)別車輛牌號(hào)、顏色等信息，目前最新的技術(shù)水平為字母和數(shù)字的識(shí)別率可達(dá)到99.7%，漢字的識(shí)別率可達(dá)到99%。以下是學(xué)習(xí)啦小編為大家整理的關(guān)于車牌識(shí)別流程圖，給大家作為參考，歡迎閱讀!
車牌識(shí)別流程圖
車牌識(shí)別的識(shí)別原理
識(shí)別流程
車牌自動(dòng)識(shí)別是一項(xiàng)利用車輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(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)測(cè)車輛是否進(jìn)入視野)、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識(shí)別車牌號(hào)碼的處理機(jī)(如計(jì)算機(jī))等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學(xué)字符識(shí)別算法等。某些車牌識(shí)別系統(tǒng)還具有通過視頻圖像判斷是否有車的功能稱之為視頻車輛檢測(cè)。一個(gè)完整的車牌識(shí)別系統(tǒng)應(yīng)包括車輛檢測(cè)、圖像采集、車牌識(shí)別等幾部分(如圖1所示)。當(dāng)車輛檢測(cè)部分檢測(cè)到車輛到達(dá)時(shí)觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像。車牌識(shí)別單元對(duì)圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來進(jìn)行識(shí)別，然后組成牌照號(hào)碼輸出。
車輛檢測(cè)
車輛檢測(cè)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)省開支，而且更適合移動(dòng)式、便攜式應(yīng)用的要求。
系統(tǒng)進(jìn)行視頻車輛檢測(cè)，需要具備很高的處理速度并采用優(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。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無法檢測(cè)到行駛速度較快的車輛，同時(shí)也難以保證在有利于識(shí)別的位置開始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。
號(hào)碼識(shí)別
為了進(jìn)行車牌識(shí)別，需要以下幾個(gè)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(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼。
車牌識(shí)別過程中，牌照顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與車牌識(shí)別互相配合、互相驗(yàn)證。
1) 牌照定位
自然環(huán)境下，汽車圖像背景復(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)別過程的關(guān)鍵。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，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來。
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。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)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(duì)復(fù)雜環(huán)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(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。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(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，選擇最佳匹配作為結(jié)果。基于人工神經(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。
實(shí)際應(yīng)用中，車牌識(shí)別系統(tǒng)的識(shí)別率還與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等;實(shí)際拍攝過程也會(huì)受到環(huán)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(shí)別的識(shí)別率，也正是車牌識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷地完善識(shí)別算法還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識(shí)別。
車牌識(shí)別流程圖相關(guān)文章：
5.新車上牌照流程