应用于停车场最常见的三种车牌识别模式

发布日期：2017-09-20 作者：哈尔滨车牌识别点击：

停车场收费系统的识别模式，识别模式分为三种：地感识别、视频识别、地感+视频识别

哈尔滨车牌识别

哈尔滨车牌识别地感模式：

哈尔滨车牌识别特点：

1）需要施工安装地感

2）工作方式：触发后，才会识别，然后上传

3）结果输出：车辆在识别区域内，识别出结果，就输出

4）处理时间：大概500ms~1000ms之间

注意事项：

1.地感线圈的安装位置与相机的垂直距离为3.5-5米，推荐距离相

机4m

2.车牌识别的最小宽度和最大宽度默认使用80~400（像素），以保证识别率；如果确认车牌宽度在80~200（像素）之间，可以设置最小宽度为80，最大宽度200（像素），较小的宽度范围会使识别速度得到一定程度提高。

3. 车牌的类型可以根据现场的实际需求进行增减；设置的类型越多，识别速度会相应变慢。

4.如地感模式下输出区域不起作用，可以调节识别区域，通过识别区域屏蔽栅栏或其他有影响识别率的事物，但要使车辆经过时车牌在识别区域内部。

哈尔滨车牌识别视频识别：

特点：1）无需安装地感，但有输出区域控制输出

2）工作方式：来车识别区域先识别，然后在输出区域识别到输出

3）结果输出：输出区域内识别到才输出

4）处理时间：和现场安装情况有关

哈尔滨车牌识别

注意事项：

1）输出区域的高度不低于整幅图像的1/3；

2）如果现场有较多大型卡车出入，车牌位置相对较高，可以适当将输出区域的上边沿调节高一些；

3）可根据现场情况，选择不同的输出区域，以屏蔽栏杆等障碍物，同时能够防止跟车时输出多个识别结果；

4)在输出区域上边沿线处，车牌宽度应保持在110-140像素，宽度过小可能会导致误识别，宽度过大可能无法识别出结果

5）视频识别时车牌必须是运动的，静止的图像无法进行识别；

6）视频识别夜间补光灯常亮；

7）同一张车牌不能在短时间识别两次，至少应该保持三十秒的时间间隔才能再次识别同一张车牌；

8）在安装相机的时候需要注意，请尽可能保持车牌图像出现在整幅图像的下半部分，相对于车牌在图片上半部分，识别速率会提升很多。

地感+视频识别：

特点：1）需要安装地感，输出区域也控制输出

2）工作方式：来车识别区域先识别，然后在输出区域识别到，地感触发输出识别结果

注意：在车辆进输出区域前，提早触发，即使识别到车牌也输出无牌车（防止跟车问题）

所以，使用此模式，地感位置不能装的太远，距离相机3米最合适。

3）结果输出：输出区域内识别到，然后地感触发，输出有牌车进输出区域前，提早地感触发，输出有牌车

4）处理时间：和现场安装情况有关

车牌识别停车场管理系统将摄像机在入口拍摄的车辆车牌号码图象自动识别并转换成数字信号。做到一卡一车，车牌识别的优势在于可以把卡和车对应起来，使管理提高一个档次，卡和车的对应的优点在于长租卡须和车配合使用，杜绝一卡多车使用的漏洞，提高物业管理的效益；同时自动比对进出车辆，防止偷盗事件的发生。升级后的摄像系统可以采集更清晰的图片，作为档案保存，可以为一些纠纷提供有力的证据。方便了管理人员在车辆出场时进行比对，大大增强了系统的安全性。

汽车牌照自动识别技术是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。通过对图像的采集和处理，完成车牌自动识别功能，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别.其硬件基础一般包括触发设备(监测车辆是否进入视野)、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机(如计算机)等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。

浅谈停车场车牌识别系统的工作原理

1.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、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。

具备视频车辆检测功能的牌照识别系统，首先对视频信号中的一帧(场)的信号进行图像采集，数字化，得到对应的数字图像；然后对其进行分析，判断其中是否有车辆；若认为有车辆通行，则进入到下一步进行牌照识别；否则继续采集视频信号，进行处理。

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，使系统无法正确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。

2.牌照号码、颜色识别

为了进行牌照识别，需要以下几个基本的步骤：

• 牌照定位，定位图片中的牌照位置；

• 牌照字符分割，把牌照中的字符分割出来；

• 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。

牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、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，并将其从图象中分割出来。

(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。

(3)牌照字符识别

字符识别方法目前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，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，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待处理图像输入网络，由网络自动实现特征提取直至识别出结果。

实际应用中，牌照识别系统的识别率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、拍摄亮度、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牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，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。