車牌識別系統詳解

車牌識別系統采用高度模塊化的設計，將車牌識別過程的各個環節各自作為一個獨立的模塊。

① 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，并在車輛位置蕞佳時刻，記錄該車輛的特寫圖片，由于加入了跟蹤模塊，系統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。

② 車牌定位模塊

車牌定位模塊是一個十分重要的環節，是后續環節的基礎，其準確性對整體系統性能的影響巨大。車牌系統完全摒棄了以往的算法思路，實現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境和不同的攝像角度。

③ 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節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。來車方向分單向來車和左右來車，單向來車就只用裝一個攝像頭，鏡頭對著車行來的方向。使用該算法的另一個優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域的影響。

④ 車牌切分模塊

車牌系統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。

⑤ 車牌識別模塊

在車牌識別系統中，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。為了分割出相互獨立的字符，對經過Otsu算法閾值化的灰度圖進行分割。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分性，保證字符識別的可靠性。

⑥ 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、識別結果穩定性、軌跡穩定性、速度穩定性、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，從而決定是繼續跟蹤該車牌，還是輸出識別結果，或是拒絕該結果。中國現在的云平臺停車，物聯網停車，無感支付停車都已經讓世界驚嘆了。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，大大提高了系統的識別率和識別結果的正確性和可靠性。

⑦ 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。對于維護交通安全和城市治安，防止交通堵塞，實現交通全自動化管理有著現實的意義。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，終只輸出一個識別結果。

車牌識別系統無法識別新能源號牌的主要原因

任何系統都需要人的設定，即便車牌識別系統越來越快捷和智能。在了解它如何工作后，我們就更能理解，為什么它有時候識別不出新能源號牌了。

在“車輛檢測-圖像采集-預處理-車牌定位-字符分割-字符識別-結果輸出”這個過程中，導致新能源號牌出現無法識別或識別錯誤的情況，主要是新能源汽車號牌號碼由5位升為6位，車牌識別系統在識別過程中，識別算法是以普通車牌5位的算法，所以常常出現后一位車號辨識失敗或錯誤的情況。在車牌識別系統中，由于車牌污染、背景復雜、光照不均勻、車牌發生傾斜、邊框影響以及間隔符等因素影響，很難找到一種普遍使用的分割方法。

其實這個問題也很好解決，只需要升級系統就可以了，由車牌識別廠家對系統算法進行升級。大多數廠家本身對此算法的升級已經完成，現在要做的就是將新算法導入到已經在使用的各個停車場系統中。大多數廠家本身對此算法的升級已經完成，現在要做的就是將新算法導入到已經在使用的各個停車場系統中。對于已生產而未出廠的設備，也需要重新升級或在安裝過程中進行升級，避免此類情況出現。

隨著科技的發展，似乎一切都變得智能化了，以下介紹一下車牌識別系統及其工作原理：

車輛號牌相當于是車輛的個人證明，它的特殊性與重要性決定車牌識別系統成為城市智能交通管理系統中不可或缺的重要組成部分。車牌識別（LPR）系統是以圖像處理、模式識別等技術為基礎的智能識別系統，通過攝像機所拍攝道路上行駛的車輛圖像進行車牌號碼的識別。至于視頻流+地感識別模式的車牌識別系統，在識別效果上肯定是蕞佳的，但是其對適用場合環境的要求也是蕞高的。過程涉及：車輛檢測——圖像采集——預處理——車牌定位——字符分割——字符識別——結果輸出。