每個(gè)人都熟悉車牌識(shí)別。每天開車上下班或進(jìn)出停車場時(shí)，我們都會(huì)通過車牌識(shí)別。車牌識(shí)別通常與大門一起工作，是停車場系統(tǒng)的兩個(gè)主要成員。車牌識(shí)別不僅是一種設(shè)備，也是一種技術(shù)。所謂車牌識(shí)別技術(shù)，是自動(dòng)分析車牌號(hào)碼、車牌類型、車牌顏色等信息的技術(shù)，經(jīng)過機(jī)器視覺、圖像處理、模式識(shí)別等算法處理后，對(duì)相機(jī)拍攝的車輛圖像或視頻序列進(jìn)行處理。
車牌識(shí)別是人工智能領(lǐng)域的重要組成部分，也是促進(jìn)智能停車技術(shù)發(fā)展的主要驅(qū)動(dòng)力。車牌識(shí)別通過觸發(fā)設(shè)備、攝像頭設(shè)備、照明設(shè)備、圖像采集設(shè)備、號(hào)碼識(shí)別處理器、支付終端等硬件設(shè)備和車牌定位、字符分割、字符識(shí)別等軟件算法操作車牌識(shí)別過程，包括以下七個(gè)過程：
1.圖像采集：根據(jù)車輛檢測方法的不同，車牌識(shí)別一般分為兩種圖像采集，一種是靜態(tài)模式下的圖像采集，通過車輛觸發(fā)地面感應(yīng)線圈、紅外線或雷達(dá)，給相機(jī)觸發(fā)信號(hào)，相機(jī)接收觸發(fā)信號(hào)后會(huì)捕捉圖像，該方法的優(yōu)點(diǎn)是觸發(fā)率高，性能穩(wěn)定，缺點(diǎn)是需要切割地面鋪設(shè)線圈，施工量大；另一種是視頻模式下的圖像采集，外部不需要任何觸發(fā)信號(hào)，相機(jī)會(huì)實(shí)時(shí)記錄視頻流圖像，該方法的優(yōu)點(diǎn)是施工方便，不需要切割地面鋪設(shè)線圈，也不需要安裝汽車檢測器和其他部件，但其缺點(diǎn)也非常明顯，由于算法的極限，該方案的觸發(fā)率和識(shí)別率低于外部觸發(fā)率。
2.預(yù)處理：由于圖像質(zhì)量容易受到光、天氣、相機(jī)位置等因素的影響，車牌識(shí)別需要對(duì)相機(jī)和圖像進(jìn)行一些預(yù)處理，以確保車牌最清晰的圖像。一般來說，根據(jù)對(duì)現(xiàn)場環(huán)境和已拍攝圖像的分析，實(shí)現(xiàn)相機(jī)的自動(dòng)曝光處理、自動(dòng)白平衡處理、自動(dòng)背光處理、自動(dòng)爆炸處理等，并對(duì)圖像進(jìn)行噪聲過濾、對(duì)比度增強(qiáng)、圖像收縮等處理。去噪方法包括平均過濾器、中間過濾器和高斯過濾器；增強(qiáng)對(duì)比度的方法包括對(duì)比度線性拉伸、直方圖平衡和同態(tài)過濾器；圖像收縮的主要方法包括最近的鄰插值法、雙線插值法和立方卷積插值法。
3.車牌定位：從整個(gè)圖像中準(zhǔn)確檢測車牌區(qū)域是車牌識(shí)別過程中的一個(gè)重要步驟。如果定位失敗或定位不完整，將直接導(dǎo)致最終識(shí)別失敗。由于圖像背景復(fù)雜，車牌定位不明確，很容易將圍欄、廣告牌等噪聲視為車牌，因此如何消除這些偽車牌也是車牌定位的難點(diǎn)。為了提高定位的準(zhǔn)確性和識(shí)別速度，一般的車牌識(shí)別系統(tǒng)將設(shè)計(jì)一個(gè)外部接口，以便用戶可以根據(jù)現(xiàn)場環(huán)境設(shè)置不同的識(shí)別區(qū)域。
4.車牌校正：由于拍攝角度、鏡頭等因素的影響，圖像中的車牌存在水平傾斜、垂直傾斜或梯形畸變，給后續(xù)的識(shí)別處理帶來了困難。如果在定位到車牌后進(jìn)行車牌校正，有利于去除車牌邊框等噪音，更有利于字符識(shí)別。目前常用的校正方法有:Hough變換法，通過檢測車牌上下、左右邊框直線來計(jì)算傾斜角度；旋轉(zhuǎn)投影法通過根據(jù)不同角度在水平軸上垂直投影圖像。投影值為0的點(diǎn)數(shù)之和更大 的角度為垂直傾斜角度，水平角度的計(jì)算方法與之相似；主成分分析法根據(jù)車牌背景與字符交界處的顏色固定匹配，找出特征點(diǎn)顏色的主成分方向?yàn)檐嚺频乃絻A斜角度；方差最小的方法是根據(jù)字符在垂直方向投影點(diǎn)的坐標(biāo)方差最小導(dǎo)出垂直傾斜角的閉合表達(dá)式，從而確定垂直傾斜角度；透視變換，通過相關(guān)矩陣變換檢測到的車牌四個(gè)頂點(diǎn)，實(shí)現(xiàn)車牌的畸變校正。
5.字符分割：車牌識(shí)別定位車牌區(qū)域后，由于不知道車牌中有多少字符、字符之間的位置關(guān)系、每個(gè)字符的寬度和高度信息，為了確保車牌類型匹配和正確的字符識(shí)別，字符分割是必不可少的一步。字符分割的主要思路是根據(jù)車牌的二值化結(jié)果或邊緣提取結(jié)果，利用結(jié)構(gòu)特征、字符之間的相似性、字符間隔等信息，分別提取單個(gè)字符，包括粘附和斷裂字符；另一方面，將寬度和高度相似的字符分為一類，以去除車牌框架和一些小噪音。一般算法包括：連接域分析、投影分析、字符聚類和模板匹配等。由于車牌和光線不均勻造成的模糊車牌仍然是字符分割算法面臨的挑戰(zhàn)，需要更好的算法來解決上述問題。
6.字符識(shí)別：車牌識(shí)別將分割字符的灰度圖像整合起來，提取特征，然后通過機(jī)器學(xué)習(xí)或匹配字符數(shù)據(jù)庫模板，最后選擇最匹配的結(jié)果作為識(shí)別結(jié)果。目前流行的字符識(shí)別算法有:模板匹配法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法、Adabost分類法等。模板匹配法的優(yōu)點(diǎn)是識(shí)別速度快，方法簡單，缺點(diǎn)是處理斷裂、污染困難；人工神經(jīng)網(wǎng)絡(luò)法學(xué)習(xí)能力強(qiáng)，適應(yīng)性強(qiáng)，分類能力強(qiáng)，但耗時(shí)；支持向量機(jī)法具有較好的識(shí)別能力，需要較少的訓(xùn)練樣本；Adabost分類法可以專注于更重要的訓(xùn)練數(shù)據(jù)，識(shí)別速度快，實(shí)時(shí)性高。中國車牌由漢字、英文字母和阿拉伯?dāng)?shù)字組成，風(fēng)格統(tǒng)一，這也是識(shí)別過程的便利。但由于車牌容易受到外部環(huán)境的影響，字符模糊、斷裂、損壞，如何提高這些字符的識(shí)別率和容易混淆的字符也是字符識(shí)別的難點(diǎn)之一。易混淆字符包括：0和D、0與Q、2與Z、8與B、5與S、6與G、4與A等。
7.結(jié)果輸出：車牌識(shí)別以文本格式輸出識(shí)別結(jié)果，包括車牌號(hào)碼、車牌顏色和車牌類型。