车牌识别系统

车牌识别系统
车牌识别系统就是要把获取的车牌图像转化成可编辑的车牌号码数字，其中核心的部分就是车牌OCR识别技术，从图像获取到车牌字符输出，一般要经过以下几个步骤。
1.输入图像： 图像输入可以采用摄像机或者手机、PAD或者警务通等带有摄像头的设备，进行实时图像采集，也可以像采集二维码一样进行视频预览模式。

2.预处理 ：需要对采集的图像进行灰度化、灰度修正、图像去噪等处理，目的是突出车牌的主要特征，更好地划定车牌区域，使图像剪切成车牌号模块做准备。

3.车牌定位： 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照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范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为车牌区域，并将其从图像中分离出来。

4.字符分割： 完成牌照区域的定位后，再将牌照区域分割成单个字符，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然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。对于阴阳车牌、污损车牌、大角度车牌等复杂环境下获取的车牌图像，利用垂直投影法对复杂环境下的车牌图像中的字符分割有较好的效果。

5.归一化： 根据最后车牌识别的字库中字符模板，对切分出来的字符进行归一化处理，将归一化后的字符信息保存在数组中。

6.车牌字符识别：车牌识别重要的一步，也是用到OCR识别核心的步骤，车牌照字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择最佳匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至车牌识别出结果。
现在车牌识别系统已经广泛应用于以下场景：
停车管理：停车收费、智能车牌识别；
移动警务：巡逻执勤、交警执法；
车辆保险：车险移动查勘、智能车牌识别、智能车架号识别；
汽车服务：汽车维修保养；
作为车牌识别系统核心研发公司，一般对外以车牌识别SDK的形式去提供车牌识别系统，以便上述系统进行二次开发，把车牌识别算法嵌入到系统中使用，达到快速获取车牌信息的目的，减轻人力成本，提高工作效率。
本文为公司自主图文创作，图文如有侵权可联系删除，如有引用，请征得本司同意，谢谢！