智能化應用：車牌識別技術原理與流程

　　車牌識別技術原理

　　車輛檢測：可采用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等多種方式感知車輛的經(jīng)過，并觸發(fā)圖像采集抓拍。

　　圖像采集：通過高清攝像抓拍主機對通行車輛進行實時、不間斷記錄、采集。

　　預處理：噪聲過濾、自動白平衡、自動曝光以及伽馬校正、邊緣增強、對比度調整等。

　　車牌定位：在經(jīng)過圖像預處理之后的灰度圖像上進行行列掃描，確定車牌區(qū)域。

　　字符分割：在圖像中定位出車牌區(qū)域后，通過灰度化、二值化等處理，精確定位字符區(qū)域，然后根據(jù)字符尺寸特征進行字符分割。

　　字符識別：對分割后的字符進行縮放、特征提取，與字符數(shù)據(jù)庫模板中的標準字符表達形式進行匹配判別。

　　結果輸出：將車牌識別的結果以文本格式輸出。

車牌識別技術流程剖解

　　車牌識別系統(tǒng)采用高度模塊化的設計，將車牌識別過程的各個環(huán)節(jié)各自作為一個獨立的模塊。

　　一、車輛檢測跟蹤模塊

　　車輛檢測跟蹤模塊主要對視頻流進行分析，判斷其中車輛的位置，對圖像中的車輛進行跟蹤，并在車輛位置最佳時刻，記錄該車輛的特寫圖片，由于加入了跟蹤模塊，系統(tǒng)能夠很好地克服各種外界的干擾，使得到更加合理的識別結果，可以檢測無牌車輛并輸出結果。

　　二、車牌定位模塊

　　車牌定位模塊是一個十分重要的環(huán)節(jié)，是后續(xù)環(huán)節(jié)的基礎，其準確性對整體系統(tǒng)性能的影響巨大。車牌系統(tǒng)完全摒棄了以往的算法思路，實現(xiàn)了一種完全基于學習的多種特征融合的車牌定位新算法，適用于各種復雜的背景環(huán)境和不同的攝像角度。

　　三、車牌矯正及精定位模塊

　　由于受拍攝條件的限制，圖像中的車牌總不可避免存在一定的傾斜，需要一個矯正和精定位環(huán)節(jié)來進一步提高車牌圖像的質量，為切分和識別模塊做準備。使用精心設計的快速圖像處理濾波器，不僅計算快速，而且利用的是車牌的整體信息，避免了局部噪聲帶來的影響。使用該算法的另一個優(yōu)點就是通過對多個中間結果的分析還可以對車牌進行精定位，進一步減少非車牌區(qū)域的影響。

　　四、車牌切分模塊

　　車牌系統(tǒng)的車牌切分模塊利用了車牌文字的灰度、顏色、邊緣分布等各種特征，能較好地抑制車牌周圍其他噪聲的影響，并能容忍一定傾斜角度的車牌。這一算法有利于類似移動式稽查這種車牌圖像噪聲較大的應用。

　　五、車牌識別模塊

　　在車牌識別系統(tǒng)中，通常采用多種識別模型相結合的方法來進行車牌識別，構建一種層次化的字符識別流程，可有效地提高字符識別的正確率。另一方面，在字符識別之前，使用計算機智能算法對字符圖像進行前期處理，不僅可盡可能保留圖像信息，而且可提高圖像質量，提高相似字符的可區(qū)分性，保證字符識別的可靠性。

　　六、車牌識別結果決策模塊

　　識別結果決策模塊，具體地說，決策模塊利用一個車牌經(jīng)過視野的過程留下的歷史記錄，對識別結果進行智能化的決策。其通過計算觀測幀數(shù)、識別結果穩(wěn)定性、軌跡穩(wěn)定性、速度穩(wěn)定性、平均可信度和相似度等度量值得到該車牌的綜合可信度評價，從而決定是繼續(xù)跟蹤該車牌，還是輸出識別結果，或是拒絕該結果。這種方法綜合利用了所有幀的信息，減少了以往基于單幅圖像的識別算法所帶來的偶然性錯誤，大大提高了系統(tǒng)的識別率和識別結果的正確性和可靠性。

　　七、車牌跟蹤模塊

　　車牌跟蹤模塊記錄下車輛行駛過程中每一幀中該車車牌的位置以及外觀、識別結果、可信度等各種歷史信息。由于車牌跟蹤模塊采用了具有一定容錯能力的運動模型和更新模型，使得那些被短時間遮擋或瞬間模糊的車牌仍能被正確地跟蹤和預測，最終只輸出一個識別結果。