開車的朋友知道，無論我們是去停車場(chǎng)還是上下高速公路，只要有攝像頭和欄桿的地方必然是有對(duì)車牌有識(shí)別的需求，這么這些車牌識(shí)別系統(tǒng)的識(shí)別過程是怎樣呢？它識(shí)別原理又是什么呢？讓我們今天跟隨銳方達(dá)科技來一起詳細(xì)了解一下：

在討論車牌識(shí)別過程之前，作者應(yīng)該首先說，高速十字路口的ETC是一種依賴于RFID技術(shù)的電子識(shí)別裝置。這種識(shí)別技術(shù)是通過識(shí)別粘貼在汽車前擋風(fēng)玻璃或其他電子標(biāo)簽上的電子標(biāo)簽來識(shí)別和收費(fèi)的。因此，ETC和車牌識(shí)別系統(tǒng)是兩個(gè)系統(tǒng)，因?yàn)檐嚺谱R(shí)別系統(tǒng)不承擔(dān)充電和消耗功能，所以ETC出現(xiàn)在歷史時(shí)刻。ETC電子車牌、繳費(fèi)系統(tǒng)

另一個(gè)原因是，當(dāng)速度較高時(shí)，車牌識(shí)別系統(tǒng)相機(jī)拍攝的照片會(huì)影響識(shí)別。如果安裝高速攝像頭（每秒可以拍攝的幀數(shù)遠(yuǎn)遠(yuǎn)大于24幀），成本將非常高，不利于普及。

下面我們介紹一下車牌識(shí)別系統(tǒng)的工作過程，講述過程中我們盡量不使用專業(yè)術(shù)語，以求讓大家能夠更容易理解，我們總結(jié)了八個(gè)點(diǎn)方便大家來清楚的了解：

1、車輛識(shí)別

當(dāng)然，在拍照之前，有必要確定車輛確實(shí)進(jìn)入了攝像機(jī)的最佳焦距位置，而車牌識(shí)別系統(tǒng)將收集車輛的圖像。因此，識(shí)別車輛是車牌識(shí)別的第一步。那么，如何識(shí)別車輛呢？

有很多方法，其中紅外法是最常用的方法。因?yàn)橄鄼C(jī)和系統(tǒng)被動(dòng)地收集數(shù)據(jù)，所以它不知道什么時(shí)候拍照。當(dāng)車輛進(jìn)入拍攝區(qū)域時(shí)，紅外線將被車輛阻擋。此時(shí)，相機(jī)和系統(tǒng)將拍攝車輛的照片，以便后續(xù)的車牌識(shí)別。當(dāng)然，這種簡單的紅外檢測(cè)是否有車輛進(jìn)入，人或其他物體阻擋紅外線，也會(huì)導(dǎo)致拍照。

幸運(yùn)的是，為了檢測(cè)車輛是否進(jìn)入范圍或其他異物，將根據(jù)車輛的寬度設(shè)置紅外設(shè)備。多條紅外線被堵塞，寬度與車輛一致，這將導(dǎo)致拍照。

第二種方法是軟件識(shí)別，相機(jī)不斷拍照，交給系統(tǒng)判斷。這個(gè)原則很簡單，因?yàn)楫?dāng)沒有車輛時(shí)，照片是固定的。白天，晚上，雨，陰天等等。有了基本的地圖，你可以區(qū)分是否有車輛進(jìn)入地圖。

有人說這樣的容錯(cuò)率太低，容易出錯(cuò)。是的，這真的很容易出錯(cuò)，所以軟件了更深入的技術(shù)：車輛輪廓識(shí)別。車輛輪廓識(shí)別的輪廓識(shí)別原理與車牌識(shí)別的輪廓識(shí)別原理相同。請(qǐng)參考以下車牌輪廓識(shí)別部分。

2、拍照

這一步很容易理解，為進(jìn)入有效焦距范圍的車輛拍照。車牌識(shí)別系統(tǒng)的軟件端將根據(jù)車輛進(jìn)入的視頻截取圖片或直接拍照。獲取照片后，提供給識(shí)別系統(tǒng)備用。

3、圖片初級(jí)處理——灰度化、二值化

眾所周知，灰色是白色和黑色之間的顏色，灰色的深度是不同的，所以白色和黑色之間有很多灰色。一旦有更多的顏色，電腦就會(huì)眼花繚亂。因此，簡單地將圖片轉(zhuǎn)換為二級(jí)。什么是二級(jí)？也就是說，圖片只有黑色和白色，也就是說，只有兩個(gè)顏色值。顧名思義，將圖片變成黑白的過程是二級(jí)的。另一個(gè)生動(dòng)的比喻是熊貓！在計(jì)算機(jī)RGB顏色空間中，白色為255，黑色為0，其他顏色在0-255之間。

有人問，紅色是白色還是黑色？黃色是白色還是黑色？不要問，在二值化的過程中，我們會(huì)根據(jù)設(shè)定的值來判斷圖片中的每個(gè)像素，比如160以上的白色，160以下的黑色。

4、圖片降噪

什么是降噪？就像你在說話一樣。你旁邊的一直在吱吱作響。此時(shí)，當(dāng)你與鄰居交談時(shí)，你應(yīng)該注意區(qū)分電鋸噪音或鄰居所說的話。

同樣，在圖片二值化之后，照片中可能有紅色、橙色、黃色、綠色、靛藍(lán)和紫色。如果你有一兩個(gè)值，不同的顏色深度自然會(huì)出現(xiàn)黑白斑點(diǎn)。因此，我們應(yīng)該根據(jù)這些斑點(diǎn)的顏色偏差和數(shù)量來決定是否給它們反色。也就是說，白色變成黑色，黑色變成白色。

5、圖形檢索，定位車牌

在這一步的圖像處理中，重點(diǎn)是車牌檢索。使用大腦的朋友可能已經(jīng)意識(shí)到車牌是一個(gè)常規(guī)的矩形。我們只需要在兩值之后在圖片中找到矩形。問題是，你在尋找矩形。問題是一些車輛的熱窗是矩形的。那些喜歡動(dòng)腦筋的人已經(jīng)注意到，車牌的長寬比不同于車身其他部位的形狀和長寬比。

如果我們掌握了上述基本知識(shí)，我們將更接近找到車牌。計(jì)算機(jī)從左到右、從上到下掃描整個(gè)二級(jí)圖像，并記錄所有顏色從黑色到白色或從白色到黑色的像素。然后根據(jù)這些像素計(jì)算哪個(gè)區(qū)域是矩形并符合車牌比例。從原圖截取車牌

如何判斷它是否是車牌？這很簡單。掃描該區(qū)域的另一波。因?yàn)檫@是一張二元圖片，如果有車牌號(hào)，就會(huì)有黑白變化，尤其是垂直方向。這樣，我們可以縮小范圍，快速找到車牌。

6、車牌字符切割

在最后一步中，我們成功地找到了車牌，并將其從原始圖片（而不是二值圖片）中截取出來。在上一步中，對(duì)截取的車牌圖片進(jìn)行灰度、二值和降噪處理，尤其是邊緣降噪。如果降噪后干擾噪聲仍然相對(duì)較大，可以使用腐蝕和膨脹算法來模糊噪聲。

如果降噪后的車牌圖片有傾斜現(xiàn)象，就需要對(duì)圖片做錯(cuò)切變換（就是傾斜角度調(diào)整）。我們知道，有些車牌是上下結(jié)構(gòu)的，這很容易通過對(duì)二值化的圖片做像素掃描來檢測(cè)上下兩部分是否中間不粘連，如果不粘連，那就是上下結(jié)構(gòu)車牌。如果不是上下結(jié)構(gòu)，那就是單行結(jié)構(gòu)的新車牌。二值化后的車牌(省別模糊處理了)

接下來，我們根據(jù)每個(gè)字符的寬度對(duì)掃描的二值車牌進(jìn)行縱向切割。這很容易理解，因?yàn)檐嚺茍D像是二等的，所以車牌字符要么是白色的，要么是黑色的，要么是白色的，很容易得到字符的高度和寬度。切割是基于此，將車牌的所有字符切割成單個(gè)字符。

車牌字符切割后，調(diào)整為與車牌字符模板庫大小近似且寬度小于模板庫字符大小的圖片。

7、準(zhǔn)備好車牌字符模板庫

車牌字符模板庫可以事先用PS或者其他軟件AI、CorlDraw等制作好，網(wǎng)絡(luò)上有車牌字體下載。車牌字符庫

也可以通過不斷拍照車輛獲取，這個(gè)過程就是機(jī)器學(xué)習(xí)的過程。目的就是獲得車牌省別、軍、警、學(xué)、使領(lǐng)館等的漢字，26個(gè)英文大寫字母，和0-9的10個(gè)數(shù)字。

8、車牌文字識(shí)別

接下來，將被切割的圖片存入一個(gè)數(shù)組A內(nèi)，將模板庫的圖片存入一個(gè)數(shù)組B。將兩列數(shù)組逐個(gè)比對(duì)，找出相似度最高的模板圖片，并把它們記錄在一個(gè)新的數(shù)組C內(nèi)。當(dāng)然，我們有意地過濾了車牌中的圓點(diǎn)。

最后，我們對(duì)獲得的數(shù)組C進(jìn)行了遍歷，以便最終獲得車牌。為了隱私，作者故意模糊了切割后圖片的文本和數(shù)字。對(duì)于切割圖片，您可以獲得車牌字符庫進(jìn)行比較和篩選。根據(jù)篩選結(jié)果識(shí)別您的車牌。。

更多關(guān)于車牌識(shí)別系統(tǒng)相關(guān)知識(shí)敬請(qǐng)關(guān)注銳方達(dá)科技官網(wǎng)：http://detainable.com/