車牌識别一體機廠家淺述車牌識别的(de)過程

　　車牌識别過程中，牌照(zhào)顔色的(de)識别依據算(suàn)法不同，可(kě)能在上述不同步驟實現，通(tōng)常與車牌識别互相配合、互相驗證。

　　1.牌照(zhào)定位

　　自然環境下(xià)，汽車圖像背景複雜(zá)、光(guāng)照(zhào)不均勻，如何在自然背景中準确地确定牌照(zhào)區(qū)域是整個(gè)識别過程的(de)關鍵。首先對(duì)采集到的(de)視頻(pín)圖像進行大(dà)範圍相關搜索，找到符合汽車牌照(zhào)特征的(de)若幹區(qū)域作爲候選區(qū)，然後對(duì)這(zhè)些侯選區(qū)域做(zuò)進一步分(fēn)析、評判，最後選定一個(gè)最佳的(de)區(qū)域作爲牌照(zhào)區(qū)域，并将其從圖像中分(fēn)離出來(lái)。

　　2.牌照(zhào)字符分(fēn)割

　　完成牌照(zhào)區(qū)域的(de)定位後，再将牌照(zhào)區(qū)域分(fēn)割成單個(gè)字符，然後進行識别。字符分(fēn)割一般采用(yòng)垂直投影(yǐng)法。由于字符在垂直方向上的(de)投影(yǐng)必然在字符間或字符内的(de)間隙處取得(de)局部最小值的(de)附近，并且這(zhè)個(gè)位置應滿足牌照(zhào)的(de)字符書(shū)寫格式、字符、尺寸限制和(hé)一些其他(tā)條件。利用(yòng)垂直投影(yǐng)法對(duì)複雜(zá)環境下(xià)的(de)汽車圖像中的(de)字符分(fēn)割有較好的(de)效果。

　　3.牌照(zhào)字符識别

　　方法主要有基于模闆匹配算(suàn)法和(hé)基于人(rén)工神經網絡算(suàn)法。基于模闆匹配算(suàn)法首先将分(fēn)割後的(de)字符二值化(huà)并将其尺寸大(dà)小縮放爲字符數據庫中模闆的(de)大(dà)小，然後與所有的(de)模闆進行匹配，選擇最佳匹配作爲結果。基于人(rén)工神經網絡的(de)算(suàn)法有兩種：一種是先對(duì)字符進行特征提取，然後用(yòng)所獲得(de)特征來(lái)訓練神經網絡分(fēn)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别出結果。

　　實際應用(yòng)中，車牌識别系統的(de)識别率還(hái)與牌照(zhào)質量和(hé)拍(pāi)攝質量密切相關。牌照(zhào)質量會受到各種因素的(de)影(yǐng)響，如生鏽、污損、油漆剝落、字體褪色、牌照(zhào)被遮擋、牌照(zhào)傾斜、高(gāo)亮反光(guāng)、多(duō)牌照(zhào)、假牌照(zhào)等等;實際拍(pāi)攝過程也(yě)會受到環境亮度、拍(pāi)攝方式、車輛速度等等因素的(de)影(yǐng)響。這(zhè)些影(yǐng)響因素不同程度上降低了(le)車牌識别的(de)識别率，也(yě)正是車牌識别系統的(de)困難和(hé)挑戰所在。爲了(le)提高(gāo)識别率，除了(le)不斷地完善識别算(suàn)法還(hái)應該想辦法克服各種光(guāng)照(zhào)條件，使采集到的(de)圖像最利于識别。