車輛識別管理系統(tǒng)的自動識別原理。

車牌自動識別是利用車輛的動態(tài)視頻和靜態(tài)圖像進行車牌號碼、車牌顏色自動識別的模式識別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備(監(jiān)視車輛是否進入視野)、照相設(shè)備、照明設(shè)備、圖像采集設(shè)備、識別車牌號碼的處理機(例如計算機)等，其軟件的核心包括車牌定位算法、車牌字符分割算法和光學字符識別算法等。一些車牌識別系統(tǒng)通過視頻圖像判斷是否有車輛的功能稱為視頻車輛檢查。完整的車牌識別系統(tǒng)包括車輛檢測、圖像采集、車牌識別等幾個部分。車輛檢測部分檢測到車輛到達時觸發(fā)圖像采集單元，采集現(xiàn)在的視頻圖像。車牌識別單元處理圖像，定位，分割車牌中的字符進行識別，構(gòu)成車牌號碼輸出。
一是車輛檢測。
車輛檢查可以采用埋地線圈檢查、紅外線檢查、雷達檢查、視頻檢查等多種方式。采用視頻檢查，不破壞路面，不需要追加外部檢查設(shè)備，不需要矯正觸發(fā)位置，節(jié)約費用，適合移動式、便攜式應用的要求。
車牌識別管理系統(tǒng)。
對視頻車輛進行系統(tǒng)檢測，需要有較高的處理速度和優(yōu)秀的算法，在基本不丟幀的情況下實現(xiàn)圖像采集、處理。如果處理速度慢，就會造成丟幀，使得系統(tǒng)無法檢測到行駛速度快的車輛，同時也很難保證在有利于識別的地方開始識別處理，影響系統(tǒng)識別率。所以，將視頻車輛檢測與車牌自動識別相結(jié)合具有一定的技術(shù)難度。
牌照號碼，顏色識別等。
為了識別車牌，需要以下基本步驟:
(1)牌照定位，在圖片中定位牌照位置；
(2)分割牌照中的字符，分割牌照中的字符；
(3)識別牌照字符，識別分割的字符，最終形成牌照號。
在車牌識別過程中，車牌顏色的識別可以根據(jù)不同的算法實現(xiàn)，通常與車牌識別相互配合和驗證。
(1)牌照定位。
在自然環(huán)境中，汽車圖像背景復雜，光線不均勻，如何在自然背景中準確確定車牌區(qū)域是整個識別過程的關(guān)鍵。先對收集到的視頻圖像進行廣泛的相關(guān)搜索，找出幾個符合車牌特征的區(qū)域作為候選區(qū)域，然后對這些候選區(qū)域進行進一步的分析、判斷，最后選擇最佳區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來。
二是牌照字符的分割。
執(zhí)照區(qū)域定位完成后，將執(zhí)照區(qū)域分成單個字符，然后進行識別。字符分割一般采用垂直投影法。由于字符在垂直方向的投影必會在字符之間或字符內(nèi)的間隙附近獲得局部最小值，因此該位置應滿足牌照字符的書寫格式、字符、尺寸限制和其他條件。垂直投影法用于在復雜環(huán)境下分割汽車圖像中的字符。
(3)牌照字符識別。
目前，字符識別方法主要基于模板匹配算法和人工神經(jīng)網(wǎng)絡算法。在模板匹配算法的基礎(chǔ)上，首先將分割后的字符二值化，將其尺寸縮放為模板在字符數(shù)據(jù)庫中的尺寸，然后與所有模板進行匹配，選擇最佳匹配作為結(jié)果。以人工神經(jīng)網(wǎng)絡為基礎(chǔ)的算法有兩種：一種是先提取字符的特征，然后通過獲取的特征來訓練神經(jīng)網(wǎng)絡分配器；另一種是直接將圖像輸入網(wǎng)絡，由網(wǎng)絡自動提取特征，直到識別結(jié)果。
在實際應用中，車牌識別系統(tǒng)的識別率也與車牌質(zhì)量和拍攝質(zhì)量密切相關(guān)。車牌質(zhì)量會受到各種因素的影響，如生銹、污漬、油漆剝落、字體褪色、車牌被遮擋、車牌傾斜、高亮度反射、多車牌、假車牌等；實際拍攝過程也會受到環(huán)境亮度、拍攝方式、車速等因素的影響。這些影響因素在不同程度上降低了車牌識別的識別率，也是車牌識別系統(tǒng)的難點和挑戰(zhàn)。為了提高識別率，不僅要不斷完善識別算法，還要想辦法克服各種照明條件，讓收集到的圖像最有利于識別。