车牌识别技术在停车场的应用

完整的停车场车牌识别系统应包括车辆检测、图像采集、车牌识别等。当车辆检测部分检测到车辆到达时，触发车牌识别OCR相机，收集当前的视频图像。车牌识别单元处理图像，定位车牌位置，然后分割车牌中的字符进行识别，然后形成车牌号码输出。

(一)车辆检测

车辆检测可采用埋地线圈检测、红外检测、雷达检测、视频检测等方式进行。视频检测可避免损坏道路，无需附加外部检测设备，无需纠正触发位置，节省费用，更适合移动和便携式应用的要求。

具有视频车辆检测功能的车牌识别OCR相机，首先收集视频信号中的帧（场）信号，数字化，得到相应的数字图像；然后分析判断是否有车辆；如果车辆通过，进入下一步进行车牌识别；否则继续收集视频信号进行处理。

车牌识别OCR相机进行视频车辆检测，需要具有较高的处理速度和优良的算法，在基本不丢帧的情况下实现图像采集和处理。如果处理速度慢，会导致帧丢失，使系统无法正确检测到行驶速度快的车辆，也难以保证识别处理在有利于识别的位置开始，影响系统识别率。因此，很难将视频车辆检测与车牌自动识别相结合。

(二)车牌号、颜色识别

车牌识别需要以下基本步骤：

图片中的车牌位置定位；分割车牌字符，分割车牌中的字符；识别车牌字符，识别分割的字符，最终形成车牌号码。在车牌识别过程中，车牌颜色识别可以根据算法在上述不同步骤实现，通常与车牌识别相互配合，相互验证。

1、车牌定位

在自然环境中，汽车图像背景复杂，光线不均匀。如何在自然背景中准确确定车牌区域是整个识别过程的关键。首先，车牌识别OCR相机对收集到的视频图像进行广泛的相关搜索，找到几个符合汽车车牌特征的区域作为候选区域，然后进一步分析和判断这些候选区域，最后选择最佳区域作为车牌区域，并从图像中分割。

2.车牌字符分割

在完成车牌区域的定位后，将车牌区域划分为单个字符，然后进行识别。字符分割通常采用垂直投影法。由于垂直方向上的字符投影必须接近字符之间或字符之间的间隙，该位置应满足字符书写格式、字符、尺寸限制等条件。垂直投影法对复杂环境下的汽车图像中的字符分割有很好的效果。

3.识别车牌字符

目前，基于模板匹配算法和人工神经网络算法的字符识别方法。基于模板匹配算法，将分割后的字符二值化，将其尺寸缩小到字符数据库中的模板尺寸，然后匹配所有模板，最后选择最佳匹配作为结果。基于人工神经元网络的算法有两种：一种是提取识别字符的特征，然后训练神经网络分配器；另一种方法是直接将待处理图像输入网络，从网络自动提取特征，直到识别结果。

在实际应用中，车牌识别OCR相机的识别率与车牌质量和拍摄质量密切相关。车牌质量会受到锈蚀、污渍、油漆剥落、字体褪色、车牌堵塞、车牌倾斜、亮反射、多车牌、假车牌等各种因素的影响；实际拍摄过程也会受到环境亮度、拍摄亮度、车速等因素的影响。这些影响因素不同程度地降低了车牌识别的识别率，这也是车牌识别系统的困难和挑战。为了提高识别率，除了不断改进识别算法外，还应找到克服各种光照条件的方法，使收集到的图像最有利于识别。

  百度ocr车牌识别技术在各场景都有落地使用，提供在线api调用、离线SDK、私有化部署等使用形式，现在联系客服还可以获取免费测试额度，快快行动吧！