车牌识别技术及难点

    本文翻译wiki中Automatic number-plate recognition中车牌识别的步骤及难点。

    车牌识别中主要涉及7个基础算法：

1. 车牌定位——负责发现和隔离图像中的车牌；
2. 车牌方向和大小——补偿车牌倾斜和调整至需要的分辨率；
3. 归一化——调整图像亮度和对比度；
4. 字符分割——找到车牌上的每个字符；
5. 光学字符识别；
6. 句法/几何分析——检查违反特定国家规则的字符和位置；
7. 通过多个字段/图像识别的平均值生成一个更可靠或更可信的结果。尤其当每张图可能包含反射光，部分遮挡或其他临时影响。

    上述每个环节的复杂度决定了系统的准确性。第三个阶段(归一化)，一些系统使用边缘检测技术增加字母和底牌的差异。中值滤波也可能被用于减少图片噪声。

    车牌识别难点：

1. 文件分辨率低，通常由于车牌较远，有时是由于低端相机导致的；
2. 图像模糊，尤其是运动模糊；
3. 由于强光，反射或阴影造成的光照和对比度较差；
4. 车牌(部分)遮挡，通常是拖车杆或车牌上的污渍；
5. 前后识别结果不同，如拖车，露营车等；
6. 采集车牌时，车道在相机视角中发生改变；
7. 字体不同，常见于一些浮夸的车牌；
8. 规避车牌识别的手段；
9. 不同国家或各州间的缺乏协调。不同国家或州的两辆车可以有相同的车牌号但是设计不同。

    尽管一些难点可通过算法纠正，但更一般的是需要硬件系统给出解决方案。如增加相机高度可能避免物体(比如其他车辆)遮挡车牌，但是会引入和增加其他问题，如校准更加倾斜的车牌。

参考文献：

1. https://en.wikipedia.org/wiki/Automatic_number-plate_recognition#Technology