武汉车牌识别系统的识别原理

      车牌自动识别是一种模式识别技术，它利用车辆的动态视频或静态图像自动识别车牌的号码和颜色。其硬件基础一般包括触发设备（监视车辆是否进入视场）、摄像机设备、照明设备、图像采集设备、识别车牌号的处理器（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。一些武汉车牌识别系统还具有通过视频图像判断是否有车辆的功能，称为视频车辆检测。完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等部分。当车辆检测部分检测到车辆到达时，它触发图像获取单元以获取当前视频图像。车牌识别单元处理图像，定位车牌位置，分割车牌中的字符进行识别，然后形成车牌号输出。

      车辆检测可采用埋线圈检测、红外检测、雷达检测技术、视频检测等方法。使用视频检测可以避免损坏路面，无需额外的外部检测设备，无需校正触发位置，节省费用，更适合移动和便携式应用。

      对于视频车辆检测，系统需要有较高的处理速度，并采用优秀的算法来实现图像的采集和处理而不丢失帧。如果处理速度慢，将导致帧丢失，因此系统无法检测到行驶速度快的车辆。同时，很难保证在有利于识别的位置开始识别处理，这将影响系统的识别率。因此，很难将视频车辆检测与自动车牌识别结合起来。

车牌识别需要以下基本步骤：

1、车牌定位，定位图片中的车牌位置；

2、车牌字符分割，对车牌中的字符进行分割；

3、车牌字符识别，识别分割字符，后形成车牌号。

在车牌识别过程中，车牌颜色的识别基于不同的算法，可以通过上述不同的步骤来实现。它通常与车牌识别进行协作和验证。

1、车牌定位

      在自然环境中，汽车图像背景复杂，光照不均匀。如何在自然背景中准确确定车牌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规模相关搜索，找到几个符合车牌特征的区域作为候选区域。然后对这些候选区域进行进一步的分析和评价。选择一个好的区域作为车牌区域，并从图像中分离出来。

2、车牌字符分割

      车牌区域定位完成后，将车牌区域划分为单个字符，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须接近字符之间或字符内部间隙处的局部小值，且该位置应满足车牌字符书写格式、字符、大小限制等条件。垂直投影法在复杂环境下的汽车图像字符分割中具有良好的效果。

3、车牌字符识别方法主要包括模板匹配算法和人工神经网络算法。在模板匹配算法的基础上，首先对分割后的字符进行二值化，并将其大小缩放到字符数据库中的模板大小，然后将其与所有模板匹配，并选择完整的匹配作为结果。基于人工神经网络的算法有两种：一种是提取字符的特征，然后利用提取的特征训练神经网络；另一种方法是将图像直接输入网络，网络自动提取特征，直到得到识别结果。

      在实际应用中，武汉车牌识别系统的识别率也与车牌质量和拍摄质量密切相关。车牌质量会受到各种因素的影响，如锈蚀、污渍、油漆剥落、字体褪色、车牌遮挡、车牌倾斜、高光和反光、多车牌、假车牌等；实际拍摄过程也会受到环境亮度、拍摄模式、车速等因素的影响。这些因素在不同程度上降低了车牌识别的识别率，这是车牌识别系统的难点和挑战。为了提高识别率，除了不断改进识别算法外，我们还应该想方设法克服各种光照条件，使采集的图像有利于识别。