隨著汽車的持續(xù)快速增長，傳統(tǒng)的超聲波探測技術(shù)的車位引導系統(tǒng)已不能滿足現(xiàn)在智能交通的要求，而視頻車牌識別技術(shù)的停車場管理系統(tǒng)越來越廣泛的應用于各大型商業(yè)綜合體中。停車場車牌識別技術(shù)的使用使得停車場出入口告別了取卡入場的時代，取而代之的免取卡的視頻出入口收費；停車場車牌識別技術(shù)的使用讓車位引導告別了有線超聲波的年代，迎來更美觀更省錢更方便的無線視頻車位引導；停車場車牌識別技術(shù)的使用告別了刷卡定位的尋車技術(shù)，進入只需輸入車牌號便可查詢車輛所在位置的全自動方向?qū)ぼ嚨臅r代。究竟車牌識別是怎樣實現(xiàn)這些功能的呢，多奧給你細細解說一下。
停車場車牌識別技術(shù)以計算機技術(shù)、圖像處理技術(shù)、模糊識別為基礎，建立車輛的特征模型，識別車輛特征，如號牌、車型、顏色等，其是基于圖像分割和圖像識別理論， 對含有車輛號牌的圖像進行分析處理，從而確定牌照在圖像中的位置，并進一步提取和識別出文 本字符。 采用動態(tài)連接庫，嵌入到開發(fā)的應用程序，使用 C++ 編 程，運用多線程編寫技術(shù)，即創(chuàng)建一個自動識別線程，并且設置了一個識別標志，保證系統(tǒng)在進行定位識別的時候不會出現(xiàn)第 二個識別線程。 車牌識別一般可以分為車牌定位、字符分割和字符識別 3 個主要步驟。
1、車牌定位
為了精確定位，必須對車牌進行預處理來消除車身顏色不同以及環(huán)境因素給車牌定位造成的不良影響。
1）灰度處理：系統(tǒng)采集的車牌原始圖像是 24 位 RGB 圖， 為了便于后續(xù)快速圖像處理， 有必要先將圖像轉(zhuǎn)為灰度圖像， 主要采用最大值法、平均值法和加權(quán)平均值法。
2）灰度圖二值化：為了進一步提高圖像的對比度，需要對灰度圖進行二值化處理，二值化的關鍵在于閾值的確定，可采 用 Otsu 算法進行灰度圖二值化。
3）邊緣檢測：采用 Canny 邊緣檢測法，其是一種比較新的邊緣檢測算子，具有很好的邊緣檢測性能，得到了越來越廣泛的應用。 該邊緣檢測法利用高斯函數(shù)的一階微分，它能在噪聲抑制和邊緣檢測之間取得較好的平衡。
4）中值濾波：中值濾波可以在消除噪聲的同時保持圖像的細節(jié)。 中值濾波的主要工作步驟如下：
首先，將模板中心與圖像 中某個像素位置重合，然后，讀取模板下各對應像素的灰度值，將這些灰度值從小到大排成一列，并找出這些值中排在中間的一個，最后，將這個中間值賦給對應模板中心位置的像素。
5）線掃描實現(xiàn)車牌定位：經(jīng)過上述處理后，車牌圖像中只有顆粒狀的點和長短不一的曲線了，若在一個車牌長度內(nèi)垂直長度超過閥值的曲線大于 10 條，則認為是在車牌區(qū)域之內(nèi)，反之則認為在車牌以外的區(qū)域，通過對圖像進行線掃描，找出滿足條件的區(qū)域作為車牌候選區(qū)域。
2、字符分割
為了準確地識別牌照上的漢字、英文字母和數(shù)字，必須把單個字符從牌照中提取分離出來。用的字符切分方法有投影法板匹配法、區(qū)域生長法、聚類分析法等。本文采用模板匹配與垂直投影結(jié)合的方法分割字符，具體步驟如下：
1）統(tǒng)計車牌圖像每列中白色像素的個數(shù)；
2）根據(jù)白色像素的個數(shù)對車牌圖像的所有列進行分類，若 白色像素個數(shù)為零，則該列屬于背景列；否則該列屬于字符列。
3）記下所有背景區(qū)域和字符區(qū)域的起始列和結(jié)束列，連續(xù)的字符列形成一個字符區(qū)域，連續(xù)的背景列形成一個背景區(qū)域。
4）計算車牌圖像中所有的背景區(qū)域?qū)挾群妥址麉^(qū)域?qū)挾取?
5）判斷第二個字符的區(qū)域的起始列以左的字符區(qū)域，離第 二個字符的區(qū)域最近的字符區(qū)域是否己被標記。如果己被標記，則該字符區(qū)域被確定為車牌第一個字符的區(qū)域；否則證明該字符區(qū)域在垂直投影法下分割錯誤。
6） 用確定第一個字符的區(qū)域和第二個字符的區(qū)域的方法 對剩余字符區(qū)進行分割，確定車牌字符的區(qū)域。
3、字符識別
常用的字符識別方法可以大致分為模板匹配法、結(jié)構(gòu)模式識別、統(tǒng)計模式識別以及支持向量機等，本文采用較為簡單的 模板匹配法，中國大陸的車牌中使用的字符 59 個漢字、24 個大寫英文字母和 10 個阿拉伯數(shù)字三種類型共 93 個，且都是印刷體，結(jié)構(gòu)固定、筆畫規(guī)范。 模板匹配是圖像識別中最具有 代表性的方法之一，將以待識別的圖像提取的若干特征與模板對應的特征量進行比較，計算模板和特征量之間的距離，根據(jù)最小距離判定所屬類。 對于分割出來的二值字母和數(shù)字字符圖 像，先歸一化為 15×15 像素，然后對其進行細化，最后建立匹配模板，提取特征向量，進行匹配識別。