聊城全自动车牌识别定制

　　车牌识别系统也是基于形态学操作的重要性质，对经过二值化后的车牌图像首行闭运算操作，使得车牌的字符区域连接起来，然后对车牌图像进行开运算操作，来消除车牌上的噪声，得到明亮的车牌区域从候选区域中去除伪车牌并定位出车牌区域 通过对车牌图像的数学形态学运算，图像中剩下少部分的连通区域，即为车牌的候选区域，这些区域包括车牌区域和伪车牌区域，为此，需要从图像中去除伪车牌并定位出车牌。首先，经过对白连通区域的轮廓进行处理得到矩形边界框，再根据我国车牌长宽比的特征，即44:14，考虑到在车牌定位过程中，由于对车牌的数学形态学操作会减少车牌信息以及拍摄所得到的车牌图像中车牌的倾斜等原因，取长宽阈值为2.0-6.0，这样就剔除了长宽比不符合条件的候选区域。 然后，由于对车牌图像的数学形态学操作会减少车牌信息，所以定位出的车牌区域会有可能小于车牌的实际区域，这时，我们就需要对定位出的车牌区域进行放大，在这里，我们对车牌区域进行放大的比例是120%，即对已经定位出的车牌候选区域的边界进行扩大。车牌由七个字符组成，在对候选区域对应的灰度化图像进行边缘检测二值化之后，正常情况下，车牌水平投影区域内每行的边缘点数要大于14，根据经验值，我们取15。在车牌水平投影区域内会出现较大的波峰，该波峰认为是车牌的上下边界，根据实验结果，要求波峰的始点和终点之差大于20小于120，从而得到车牌的上下边界。，根据二值化车牌图像中车牌的纹理特征信息，即在车牌区域范围内会出现明显的梯度变化特征，来确定车牌区域，定位出车牌。在二值化图像中，255代表车牌图像中的边缘信息，0代表非边缘信息。为了更加的定位出车牌和剔除伪车牌，需要对定位出的车牌区域进行筛选，有两个筛选条件，一个是在二值化图像中灰度值为255和灰度值为0的像素比大于0.25，另一个是二值化图像中灰度的跳变次数范围是[5,30]。

　　汽车牌照自动识别技术

　　它是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。

　　性及稳定性:硬识别系统:识别器采用TI 公司的高速DSP，双CPU控制，确保系统性和稳定性。软识别系统:软件识别，容易频繁出现死机等情况，需经常重新启动电脑，造成间断性系统瘫痪。智能算法模型硬识别系统:采用智能模糊点阵识别算法，准确率更高，识别率大于99.70％。很少需要人工干预。软识别系统:OCR/字型拓扑结构识别算法，会频繁出现误识别情况，准确率低于90％。需要人工不断输入纠正后的号牌。

　　原理介绍:车牌自动识别道闸系统对摄像机抓拍到的每帧图像都识别，并自动找到佳识别效果的图像，应用这种方法可以很好地提高抓拍率、识别率，并且能够降低工程的施工难度。大手控制车牌自动识别正是基于这一思想，采用专有的技术，利用高速的识别算法核心对视频流进行逐帧的识别，即对单个车辆进行了多次识别，从而有效克服了现有车牌识别技术存在的许多缺陷。使用连续多帧识别，从工程的角度看，比单帧识别成功的机率要高得多，这是因为连续抓拍的图像的角度、光照不同，识别效果也不尽相同，从理论上讲，只要有一帧清析的图像就有一个好的识别结果。顺科技智能道闸车牌自动识别系统还采用的目标跟踪，以及识别结果佳化等方法，来确保从车流中一个一个地甄别出序列化的车牌。要实现对视频流进行逐帧识别，采用行之有效的高速识别算法，即神经网络算法和模糊算法相结合，否则无法达到实用的效果。对于常用的 768 X 288 高分辩率图像，大手控制车牌自动识别可以在 3 到 10 毫秒内完成的识别过程，并且在多个应用中实施了单台计算机多路的实时识别方案。传统车辆出入管理系统使用卡或票的技术，道闸车牌自动识别是的管理技术，也是目前、智能化的车辆出入管理技术。车牌识别不仅可以实现零耗材管理、解决丢失停车凭问题，而且可以明显提升车辆出入效率、减轻人员的劳动强度。大手控制率先将车牌识别技术融入传统的卡、票车辆管理系统中，有效克服车牌汉字识别不准问题，应用识别率可达 95%以上，且识别时间为 10ms。不仅保留了传统系统稳定、准确、实用的优点，而且提高了系统的工作效率，为管理者节约了时间和成本。带有车牌识别功能的车辆出入管理系统正在市场上迅速地普及，价值、意义很大。