一、識別過程

車牌自動識別是利用車輛動態(tài)視頻或靜態(tài)圖像自動識別車牌號碼和車牌顏色的模式識別技術。

硬件基礎一般包括觸發(fā)設備（監(jiān)控車輛是否進入視野）、攝像設備、照明設備、圖像采集設備、識別車牌號碼處理器（如計算機）等，其軟件核心包括車牌定位算法、車牌字符分割算法、光學字符識別算法等。

一些車牌識別系統(tǒng)還具有通過視頻圖像判斷是否有車輛的功能，稱為視頻車輛檢測。

車牌識別系統(tǒng)應包括車輛檢測、圖像采集、車牌識別等。

當車輛檢測部分檢測到車輛到達時，觸發(fā)圖像采集單元收集當前視頻圖像。車牌識別單元處理圖像，定位車牌位置，然后分割車牌中的字符進行識別，然后形成車牌號碼輸出。

二、車輛檢測

埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等方法可用于車輛檢測。

視頻檢測可以避免損壞路面，不需要附加外部檢測設備，不需要糾正觸發(fā)位置，節(jié)省開支，更適合移動便攜式應用的要求。

視頻車輛檢測系統(tǒng)需要高處理速度，采用優(yōu)秀的圖像采集和處理，基本不丟幀。

如果處理速度慢，會導致幀丟失，使系統(tǒng)無法檢測到行駛速度快的車輛，也難以保證識別處理從有利于識別的位置開始，影響系統(tǒng)識別率。因此，視頻車輛檢測與車牌自動識別相結合具有一定的技術難度。

武漢車牌識別

三、號碼識別

車牌識別需要以下基本步驟：

1.牌照定位，照片中的牌照位置定位；

2.分割牌照字符，分割牌照中的字符；

3.識別許可證字符，識別分割字符，最后組成牌照號。

在車牌識別過程中，根據(jù)算法可以實現(xiàn)不同的車牌顏色識別，通常與車牌識別相互配合和驗證。

3.1牌照定位

在自然環(huán)境中，汽車圖像背景復雜，光線不均勻。如何在自然背景下準確確定許可區(qū)域是整個識別過程的關鍵。

首先，廣泛搜索收集到的視頻圖像，找到幾個符合汽車牌照特征的區(qū)域作為候選區(qū)域，然后進一步分析和判斷這些候選區(qū)域，選定一個該區(qū)域被用作許可區(qū)域，并從圖像中分離出來。

3.2牌照字符分割

許可區(qū)域定位完成后，將許可區(qū)域劃分為單個字符，然后識別。字符分割通常采用垂直投影法。

因為垂直投影必須在字符之間或字符之間的間隙中獲得局部位置該位置應滿足字符書寫格式、字符、尺寸限制等條件。

采用垂直投影法對復雜環(huán)境下汽車圖像中的字符分割有很好的效果。

3.1牌照字符識別方法

主要基于模板匹配算法和人工神經(jīng)網(wǎng)絡算法。

基于模板匹配算法，首先將分割字符二值化，將其尺寸縮小到字符數(shù)據(jù)庫中的模板尺寸，然后匹配所有模板并選擇結果是匹配。

基于人工神經(jīng)網(wǎng)絡的算法有兩種：一種是提取字符特征，然后用特征訓練神經(jīng)網(wǎng)絡分配器；

另一種方法是直接將圖像輸入網(wǎng)絡，從網(wǎng)絡自動提取特征，直到識別結果。

在實際應用中，車牌識別系統(tǒng)的識別率也與車牌質(zhì)量和拍攝質(zhì)量密切相關。

牌照質(zhì)量受銹蝕、污漬、油漆剝落、字體褪色、牌照遮擋、牌照傾斜、亮反射、多牌照、**等因素影響；

實際拍攝過程也會受到環(huán)境亮度、拍攝方法、速度等因素的影響。

這些影響因素不同程度地降低了車牌識別率，這也是車牌識別系統(tǒng)的困難和挑戰(zhàn)。

為了提高識別率，除了不斷改進識別算法外，還應找到克服各種光照條件的方法，使收集到的圖像有利于識別。