隨著汽車的持續(xù)快速增長，傳統(tǒng)的超聲波探測技術的車位引導系統(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的使用告別了刷卡定位的尋車技術，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以計算機技術、圖像處理技術、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，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、結構模式識別、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，結構固定、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。