關鍵詞 |
車牌識別廠家,大理車牌識別,車牌識別聯系方式,山東車牌識別 |
面向地區 |
交通監管部門每天都要處理大量的違章車輛圖片，一般由人工辨識車牌號碼再輸入管理系統，這種方式工作量大、容易疲勞誤判。采用自動識別可以減少工作強度能夠大幅度提高處理速度和效率。這種功能可用于電子警察系統、道路監控系統等。
將的牌照信息輸入系統，系統自動地識讀經過車輛的牌照并查詢內部數據庫。對于需要自動放行的車輛系統驅動電子門或欄桿機讓其通過，對于其它車輛系統會給出警示，由值勤人員處理。可用于特殊單位（如軍事管理區、保密單位、保護單位等）、路橋收費卡口、住宅區等。
紅外光路線是指利用車牌反光和紅外光的光學特性，用紅外攝像機采集車輛灰度圖像，由于紅外特性，車輛圖像上幾乎只能看見車牌，然后用黑白圖像處理方法識別車牌。950nm的紅外照明裝置可抓拍到很好的反光車牌照圖像。因紅外光是不可見光，它不會對駕駛員產生視覺影響。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中明亮的時候，還是在一天中暗的時候。的例外是在白天，有時會看到一些牌照周圍的細節，這是因為晴朗天氣時太陽光的外光波的影響。采用紅外燈的缺點就是所捕獲的車牌照圖像不是彩色的，不能獲取整車圖像，并且嚴重依賴車牌反光材料。
實際應用中，牌照識別系統的識別率與牌照質量和拍攝質量密切相關。牌照質量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統的困難和挑戰所在。為了提高識別率，除了不斷的完善識別算法，還應該想辦法克服各種光照條件，使采集到的圖像利于識別。
字符識別方法目前主要有基于模板匹配算法和基于人工神經網絡算法。基于模板匹配算法將分割后的字符二值化,并將其尺寸大小縮放為字符數據庫中模板的大小，然后與所有的模板進行匹配，后選佳匹配作為結果。基于人工神經元網絡的算法有兩種：一種是先對待識別字符進行特征提取，然后用所獲得特征來訓練神經網絡分配器；另一種方法是直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。
自然環境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中準確地確定牌照區域是整個識別過程的關鍵。對采集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特征的若干區域作為候選區，然后對這些侯選區域做進一步分析、評判，后選定一個佳的區域作為牌照區域，并將其從圖象中分割出來。
