安防门禁

SECURITY ACCESS CONTRO

车牌识别

选购准则
重视稳定度
随着产品算法与业者的技术提升,整合早就不是重要的话题,现阶段最需要注意的重点反而是“稳定度”。稳定度的定义是:在一个既定的车速范围内,不会让必须达到的准确度,因外在环境影响而产生过大的误差。
例如一个车牌系统在白天有90%以上的准确度,到了傍晚就降到80%,夜间又降到70%,这种不稳定的系统,比起全天候平均拥有70%准确度的车牌辨识系统更难于整合。因为使用者会认为,既然白天的辨识率有90%,那全天候的准确率都要达到90%才合理,这样的规格还不包括奇怪的环境干扰(暴雨袭击、冰雹、浓雾区段等),与架设环境限制(高度限制、风大摇晃限制、不容易遭受人为破坏等)。
确实实测
几乎每家都宣称拥有高辨识率,但为了避免事后因为双方对产品认知有差异,而将运作不良的责任互相推托,用户在采购车牌辨识系统时,不妨要求实地测试,而且测试时间最好超过两个礼拜,比较能判断辨识结果是否“言过其实”。因为多变的环境,两个礼拜应该可以对于场域可能影响辨识率的情形,大约掌握了八成,如果只是测一天、甚至几个小时,是无法了解的。
另外,车牌辨识既然是“系统”,当中软硬件架构的好坏,当然会影响“呈现的结果”。至于什么样的软件跟硬件,适合什么样的环境,这就必须因环境而异,因为不同的应用环境,对于辨识率的要求未必相同,而这就必须靠经验累积。
尽管市场上有林林总总的车牌辨识系统,用对产品与架构,可以省去很多的冤枉钱跟时间,但更重要的是,工程商与系统整合商需要多方配合及了解,而不是一味的只看重某厂牌比较好、比较便宜,凡事货比三家不吃亏。
此外,车牌辨识系统能否发挥最大效用,除了软件技术之外,与摄影机及现场施工能力,也有很大的关系。使用者可要求厂商至现场勘查后,提出建置规划方案,先评估应该架设的地点、摄影机架设角度、是否需要架设辅助光源等,再提出报价,藉由这些动作,除了得以事先评估业者的能力,用户本身也可以达到产品学习及教育训练,日后管理时,会更清楚知道该产品的使用限制及相关因应措施。
车辆检测
车辆检测可以采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支,而且更适合移动式、便携式应用的要求。
系统进行视频车辆检测,需要具备很高的处理速度并采用优秀的算法,在基本不丢帧的情况下实现图像采集、处理。若处理速度慢,则导致丢帧,使系统无法检测到行驶速度较快的车辆,同时也难以保证在有利于识别的位置开始识别处理,影响系统识别率。因此,将视频车辆检测与牌照自动识别相结合具备一定的技术难度。
号码识别
为了进行车牌识别,需要以下几个基本的步骤:
1、 牌照定位,定位图片中的牌照位置;
2、牌照字符分割,把牌照中的字符分割出来;
3、牌照字符识别,把分割好的字符进行识别,最终组成牌照号码。
车牌识别过程中,牌照颜色的识别依据算法不同,可能在上述不同步骤实现,通常与车牌识别互相配合、互相验证。
一、牌照定位
自然环境下,汽车图像背景复杂、光照不均匀,如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索,找到符合汽车牌照特征的若干区域作为候选区,然后对这些侯选区域做进一步分析、评判,最后选定一个最佳的区域作为牌照区域,并将其从图像中分离出来。
二、牌照字符分割
完成牌照区域的定位后,再将牌照区域分割成单个字符,然后进行识别。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间或字符内的间隙处取得局部最小值的附近,并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。
三、 牌照字符识别方法
主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小,然后与所有的模板进行匹配,选择最佳匹配作为结果。基于人工神经网络的算法有两种:一种是先对字符进行特征提取,然后用所获得特征来训练神经网络分配器;另一种方法是直接把图像输入网络,由网络自动实现特征提取直至识别出结果。
实际应用中,车牌识别系统的识别率还与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响,如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等;实际拍摄过程也会受到环境亮度、拍摄方式、车辆速度等等因素的影响。这些影响因素不同程度上降低了车牌识别的识别率,也正是车牌识别系统的困难和挑战所在。为了提高识别率,除了不断地完善识别算法还应该想办法克服各种光照条件,使采集到的图像最利于识别。 

上一篇:车牌识别特价款
下一篇:伸缩门
Top