供应信息
车牌识别停车场系统和普通的停车场系统在组成上大致相同，但是，车牌识别停车场系统对设备的要求会更高。首先，车牌识别停车场系统重要的一个因素，就是识别率的问题，有的人从识别率的高低来判断设备的好与坏，其实这是一个很不科学的方法。识别率不仅和设备本身的问题有关，还和停车场的环境有关，环境对识别率影响有时可能会超过设备本身的因素，图像处理车牌识别系统，所以要想解决这个问题，车牌识别停车场不仅要配高清的车牌识别相机，还要根据现场状况安装一些补光设备来增加其识别效果。其次，车牌识别停车场系统重要的特点就是通行速度快，所以，和其他的停车场系统相比，立体高清车牌识别，道闸一定要选用快速智能道闸，而快速道闸就会对道闸的机芯要求更高，其稳定性要更强。
号码识别为了进行车辆识别，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，终组成牌照号码。
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，通常与车辆识别互相配合、互相验证。
1) 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，后选定一个合适的区域作为牌照区域，并将其从图像中分离出来。
2) 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xiao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。
3) 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，选择合适匹配作为结果。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，车牌识别，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，车辆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识别率，也正是车辆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，使采集到的图像利于识别。
您好，欢迎莅临山东荣冠，欢迎咨询...
 触屏版二维码 |
