車牌識別的原理小知識

識別流程

    車牌自動識別是一項利用車輛的動態視頻或靜態圖像進行牌照號碼、牌照顏色自動識別的模式識別技術。其硬件基礎一般包括觸發設備（監測車輛是否進入視野）、攝像設備、照明設備、圖像采集設備、識別車牌號碼的處理機（如計算機）等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學字符識別算法等。某些車牌識別係統還具有通過視頻圖像判斷是否有車的功能稱之為(wei) 視頻車輛檢測。一個(ge) 完整的車牌識別係統應包括車輛檢測、圖像采集、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圖像采集單元，采集當前的視頻圖像。車牌識別單元對圖像進行處理，定位出牌照位置，再將牌照中的字符分割出來進行識別，然後組成牌照號碼輸出。[1] 

車輛檢測

    車輛檢測可以采用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等多種方式。采用視頻檢測可以避免破壞路麵、不必附加外部檢測設備、不需矯正觸發位置、節省開支，而且更適合移動式、便攜式應用的要求。

係統進行視頻車輛檢測，需要具備很高的處理速度並采用優(you) 秀的算法，在基本不丟(diu) 幀的情況下實現圖像采集、處理。若處理速度慢，則導致丟(diu) 幀，使係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(yu) 識別的位置開始識別處理，影響係統識別率。因此，將視頻車輛檢測與(yu) 牌照自動識別相結合具備一定的技術難度。

號碼識別

為(wei) 了進行車牌識別，需要以下幾個(ge) 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) 牌照字符識別，把分割好的字符進行識別，最終組成牌照號碼。

車牌識別過程中，牌照顏色的識別依據算法不同，可能在上述不同步驟實現，通常與(yu) 車牌識別互相配合、互相驗證。

1) 牌照定位

    自然環境下，汽車圖像背景複雜、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(ge) 識別過程的關(guan) 鍵。首先對采集到的視頻圖像進行大範圍相關(guan) 搜索，找到符合汽車牌照特征的若幹區域作為(wei) 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(ge) 最佳的區域作為(wei) 牌照區域，並將其從(cong) 圖像中分離出來。

2) 牌照字符分割

    完成牌照區域的定位後，再將牌照區域分割成單個(ge) 字符，然後進行識別。字符分割一般采用垂直投影法。由於(yu) 字符在垂直方向上的投影必然在字符間或字符內(nei) 的間隙處取得局部最小值的附近，並且這個(ge) 位置應滿足牌照的字符書(shu) 寫(xie) 格式、字符、尺寸限製和一些其他條件。利用垂直投影法對複雜環境下的汽車圖像中的字符分割有較好的效果。

3) 牌照字符識別方法主要有基於(yu) 模板匹配算法和基於(yu) 人工神經網絡算法。

     基於(yu) 模板匹配算法首先將分割後的字符二值化並將其尺寸大小縮放為(wei) 字符數據庫中模板的大小，然後與(yu) 所有的模板進行匹配，選擇最佳匹配作為(wei) 結果。基於(yu) 人工神經網絡的算法有兩(liang) 種：一種是先對字符進行特征提取，然後用所獲得特征來訓練神經網絡分配器；另一種方法是直接把圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。

實際應用中，車牌識別係統的識別率還與(yu) 牌照質量和拍攝質量密切相關(guan) 。牌照質量會(hui) 受到各種因素的影響，如生鏽、汙損、油漆剝落、字體(ti) 褪色、牌照被遮擋、牌照傾(qing) 斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會(hui) 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，也正是車牌識別係統的困難和挑戰所在。為(wei) 了提高識別率，除了不斷地完善識別算法還應該想辦法克服各種光照條件，使采集到的圖像最利於(yu) 識別。