號(hào)識(shí)別

為了更好地識(shí)別車牌號(hào)，必須采取以下常見步驟：

1)準(zhǔn)確定位牌照，在圖片中定位牌照位置；

2)分割牌照字符，分割牌照中的字符；

3)識(shí)別牌照字符，識(shí)別分割字符，較終形成牌照號(hào)。

在車牌號(hào)識(shí)別的整個(gè)過程中，車牌顏色識(shí)別很可能在上述不同步驟中進(jìn)行，通常與車牌號(hào)識(shí)別相互配合，相互驗(yàn)證。

準(zhǔn)確定位牌照

在地形下，汽車圖像的自然環(huán)境復(fù)雜，陽光不均勻。如何在自然背景下準(zhǔn)確確定許可區(qū)域是識(shí)別整個(gè)過程的關(guān)鍵。一開始，大規(guī)模搜索和推薦小視頻圖像，找到幾個(gè)符合汽車許可證特征的區(qū)域作為ps選擇區(qū)域，然后進(jìn)一步分析和識(shí)別候選區(qū)域，最后選擇較好的地方作為許可區(qū)域，并從圖像中提取。

2牌照字符分割

在準(zhǔn)確定位許可區(qū)域后，將許可區(qū)域劃分為獨(dú)立的字符，然后進(jìn)行識(shí)別。垂直投影法通常用于字符分割。由于垂直方向上的字符投影必須在字符之間或字符之間的間隙附近獲得一些非常小的值，因此該位置應(yīng)實(shí)現(xiàn)字符寫作、字符、規(guī)格、型號(hào)限制等標(biāo)準(zhǔn)。垂直投影法的應(yīng)用對(duì)復(fù)雜地理環(huán)境下汽車圖像中的字符分割具有良好的預(yù)期效果。

3牌照字符識(shí)別

該方法基于模板匹配算法和神經(jīng)元網(wǎng)絡(luò)算法。根據(jù)模板匹配算法，將分割字符二值化，將其規(guī)格、型號(hào)和規(guī)格調(diào)整為字符數(shù)據(jù)庫中模板的規(guī)格，然后選擇匹配所有模板作為結(jié)果。根據(jù)神經(jīng)元網(wǎng)絡(luò)算法，有兩種算法：一種是先對(duì)字符進(jìn)行SVM算法，然后訓(xùn)練中樞神經(jīng)系統(tǒng)網(wǎng)絡(luò)分配器；另一種方法是通過互聯(lián)網(wǎng)自動(dòng)將圖像輸入互聯(lián)網(wǎng)技術(shù)SVM算法，直到識(shí)別結(jié)果。

在實(shí)際應(yīng)用中，車牌號(hào)碼識(shí)別系統(tǒng)的識(shí)別率也與車牌質(zhì)量和攝影質(zhì)量密切相關(guān)。車牌質(zhì)量會(huì)被腐蝕、損壞、油漆脫落、字體效果褪色、車牌遮擋、車牌傾斜、高亮度回光、多車牌、假車牌等因素?fù)p壞；實(shí)際生產(chǎn)的整個(gè)過程也會(huì)受到地理環(huán)境飽和度、攝影模式、速度等因素的損害。這些影響因素降低了車牌識(shí)別的識(shí)別率，這只是車牌識(shí)別系統(tǒng)的一個(gè)困難和。為了更好地提高識(shí)別率，除了不斷改進(jìn)識(shí)別算法外，還應(yīng)找到解決各種陽光標(biāo)準(zhǔn)的方法，使收集到的圖像較有利于識(shí)別。