车牌识别系统详解

车牌识别系统采用高度模块化的设计，将车牌识别过程的各个环节各自作为一个独立的模块。

① 车辆检测跟踪模块

车辆检测跟踪模块主要对视频流进行分析，判断其中车辆的位置，对图像中的车辆进行跟踪，并在车辆位置蕞佳时刻，记录该车辆的特写图片，由于加入了跟踪模块，系统能够很好地克服各种外界的干扰，使得到更加合理的识别结果，可以检测无牌车辆并输出结果。

② 车牌定位模块

车牌定位模块是一个十分重要的环节，是后续环节的基础，其准确性对整体系统性能的影响巨大。车牌系统完全摒弃了以往的算法思路，实现了一种完全基于学习的多种特征融合的车牌定位新算法，适用于各种复杂的背景环境和不同的摄像角度。

③ 车牌矫正及精定位模块

由于受拍摄条件的限制，图像中的车牌总不可避免存在一定的倾斜，需要一个矫正和精定位环节来进一步提高车牌图像的质量，为切分和识别模块做准备。使用精心设计的快速图像处理滤波器，不仅计算快速，而且利用的是车牌的整体信息，避免了局部噪声带来的影响。来车方向分单向来车和左右来车，单向来车就只用装一个摄像头，镜头对着车行来的方向。使用该算法的另一个优点就是通过对多个中间结果的分析还可以对车牌进行精定位，进一步减少非车牌区域的影响。

④ 车牌切分模块

车牌系统的车牌切分模块利用了车牌文字的灰度、颜色、边缘分布等各种特征，能较好地抑制车牌周围其他噪声的影响，并能容忍一定倾斜角度的车牌。这一算法有利于类似移动式稽查这种车牌图像噪声较大的应用。

⑤ 车牌识别模块

在车牌识别系统中，通常采用多种识别模型相结合的方法来进行车牌识别，构建一种层次化的字符识别流程，可有效地提高字符识别的正确率。为了分割出相互独立的字符，对经过Otsu算法阈值化的灰度图进行分割。另一方面，在字符识别之前，使用计算机智能算法对字符图像进行前期处理，不仅可尽可能保留图像信息，而且可提高图像质量，提高相似字符的可区分性，保证字符识别的可靠性。

⑥ 车牌识别结果决策模块

识别结果决策模块，具体地说，决策模块利用一个车牌经过视野的过程留下的历史记录，对识别结果进行智能化的决策。其通过计算观测帧数、识别结果稳定性、轨迹稳定性、速度稳定性、平均可信度和相似度等度量值得到该车牌的综合可信度评价，从而决定是继续跟踪该车牌，还是输出识别结果，或是拒绝该结果。中国现在的云平台停车，物联网停车，无感支付停车都已经让世界惊叹了。这种方法综合利用了所有帧的信息，减少了以往基于单幅图像的识别算法所带来的偶然性错误，大大提高了系统的识别率和识别结果的正确性和可靠性。

⑦ 车牌跟踪模块

车牌跟踪模块记录下车辆行驶过程中每一帧中该车车牌的位置以及外观、识别结果、可信度等各种历史信息。对于维护交通安全和城市治安，防止交通堵塞，实现交通全自动化管理有着现实的意义。由于车牌跟踪模块采用了具有一定容错能力的运动模型和更新模型，使得那些被短时间遮挡或瞬间模糊的车牌仍能被正确地跟踪和预测，终只输出一个识别结果。

车牌识别系统无法识别新能源号牌的主要原因

任何系统都需要人的设定，即便车牌识别系统越来越快捷和智能。在了解它如何工作后，我们就更能理解，为什么它有时候识别不出新能源号牌了。

在“车辆检测-图像采集-预处理-车牌定位-字符分割-字符识别-结果输出”这个过程中，导致新能源号牌出现无法识别或识别错误的情况，主要是新能源汽车号牌号码由5位升为6位，车牌识别系统在识别过程中，识别算法是以普通车牌5位的算法，所以常常出现后一位车号辨识失败或错误的情况。在车牌识别系统中，由于车牌污染、背景复杂、光照不均匀、车牌发生倾斜、边框影响以及间隔符等因素影响，很难找到一种普遍使用的分割方法。

其实这个问题也很好解决，只需要升级系统就可以了，由车牌识别厂家对系统算法进行升级。大多数厂家本身对此算法的升级已经完成，现在要做的就是将新算法导入到已经在使用的各个停车场系统中。大多数厂家本身对此算法的升级已经完成，现在要做的就是将新算法导入到已经在使用的各个停车场系统中。对于已生产而未出厂的设备，也需要重新升级或在安装过程中进行升级，避免此类情况出现。

随着科技的发展，似乎一切都变得智能化了，以下介绍一下车牌识别系统及其工作原理：

车辆号牌相当于是车辆的个人证明，它的特殊性与重要性决定车牌识别系统成为城市智能交通管理系统中不可或缺的重要组成部分。车牌识别（LPR）系统是以图像处理、模式识别等技术为基础的智能识别系统，通过摄像机所拍摄道路上行驶的车辆图像进行车牌号码的识别。至于视频流+地感识别模式的车牌识别系统，在识别效果上肯定是蕞佳的，但是其对适用场合环境的要求也是蕞高的。过程涉及：车辆检测——图像采集——预处理——车牌定位——字符分割——字符识别——结果输出。