梧州无人值守车牌识别生产厂家

　　决策树模型的特点:与其他分类算法相比，决策树模型有以下优点:可理解性强、速度快。一般决策树模型缺点是:缺乏伸缩性:由于进行深度优先搜索，所以算法受内存大小限制，难于处理大训练集。为了处理大数据集或连续量的种种改进算法（离散化、取样）  不仅增加了分类算法的额外开销，而且降低了分类的准确性，对连续性的字段比较难预测，当类别太多时，错误可能就会增加的比较快，对有时间顺序的数据，需要很多预处理的工作。在有噪声的情况下，拟合将导致过分拟合（overfitting），即对训练数据的拟合反而不具有很好的预测性能。

　　识别速度:硬识别系统:整车车牌识别速度小于0.4秒，充分满足车流量大时的需要；软识别系统:整车车牌识别速度大于3秒，甚至更长，速度让人忍受。环境适应性硬识别系统:能在夜晚、阴天、雨天等各种光照条件下正常工作；软识别系统:上述条件下，甚至一天的不同时间内，识别准确率起伏很大。车速适应性:硬识别车牌识别系统:车速在0－120Km/H范围内均能稳定识别；应用范围广泛，高速公里使用该类设备。软识别车牌自动识别系统:车速大于40Km/H时，识别率急剧下降，现被引入停车场场系统中，有待进一步完善。

　　车辆进出管理，在出入口安装车牌识别设备，记录车辆的牌照号，深入时间，结合自动门栏杆机的控制设备，实现车辆的自动化管理。它可以用在停车场，实现自动定时收费。它还可以自动计算可用停车位的数量并给出提示，实现停车费的自动管理，以节省人力，提高效率。智能小区的应用可以自动判断车辆是否进入本小区，并自动对非内部车辆进行自动计时收费。

　　对车牌图像进行图像形态学操作由于成像系统、传输介质、记录设备等的不完善，以及天气情况的变化等，车牌图像往往受到多种噪声的污染。在经过二值化处理的车牌图像上，会出现一些与要研究的对象（即车牌区域）不相关的孤立点或者像素块，扰乱图像的研究对象，影响对车牌区域的提取、分割等操作。于是要构造一种有效抑制噪声的滤波器来有效的去除目标和背景中的噪声，同时，能够很好地保护车牌区域的形状、大小及特定的车牌纹理特征。 图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像处理中消除噪声的的操作，其处理的结果的好坏将直接影响到对后续图像进行处理和分析的有效性和性。常用的滤波操作方法有很多种，如中值滤波、形态学滤波、高斯滤波、双边滤波等。我们在这里介绍一下中值滤波和本文所研究系统采用的形态学滤波。