每個(gè)人都熟悉車(chē)牌識(shí)別。每天開(kāi)車(chē)上下班或進(jìn)出停車(chē)場(chǎng)時(shí)，我們都會(huì)通過(guò)車(chē)牌識(shí)別。車(chē)牌識(shí)別通常與大門(mén)一起工作，是停車(chē)場(chǎng)系統(tǒng)的兩個(gè)主要成員。車(chē)牌識(shí)別不僅是一種設(shè)備，也是一種技術(shù)。所謂車(chē)牌識(shí)別技術(shù)，是自動(dòng)分析車(chē)牌號(hào)碼、車(chē)牌類(lèi)型、車(chē)牌顏色等信息的技術(shù)，經(jīng)過(guò)機(jī)器視覺(jué)、圖像處理、模式識(shí)別等算法處理后，對(duì)相機(jī)拍攝的車(chē)輛圖像或視頻序列進(jìn)行處理。
車(chē)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(chē)技術(shù)發(fā)展的主要驅(qū)動(dòng)力。車(chē)牌識(shí)別通過(guò)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(chē)牌定位、字符分割、字符識(shí)別等軟件算法操作車(chē)牌識(shí)別過(guò)程，包括以下七個(gè)過(guò)程：
1.圖像采集：根據(jù)車(chē)輛檢測(cè)方法的不同，車(chē)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(guò)車(chē)輛觸發(fā)地面感應(yīng)線(xiàn)圈、紅外線(xiàn)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(xiàn)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(xiàn)圈，也不需要安裝汽車(chē)檢測(cè)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(chē)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(chē)牌最清晰的圖像。一般來(lái)說(shuō)，根據(jù)對(duì)現(xiàn)場(chǎng)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(guò)濾、對(duì)比度增強(qiáng)、圖像收縮等處理。去噪方法包括平均過(guò)濾器、中間過(guò)濾器和高斯過(guò)濾器；增強(qiáng)對(duì)比度的方法包括對(duì)比度線(xiàn)性拉伸、直方圖平衡和同態(tài)過(guò)濾器；圖像收縮的主要方法包括最近的鄰插值法、雙線(xiàn)插值法和立方卷積插值法。
3.車(chē)牌定位：從整個(gè)圖像中準(zhǔn)確檢測(cè)車(chē)牌區(qū)域是車(chē)牌識(shí)別過(guò)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(chē)牌定位不明確，很容易將圍欄、廣告牌等噪聲視為車(chē)牌，因此如何消除這些偽車(chē)牌也是車(chē)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(chē)牌識(shí)別系統(tǒng)將設(shè)計(jì)一個(gè)外部接口，以便用戶(hù)可以根據(jù)現(xiàn)場(chǎng)環(huán)境設(shè)置不同的識(shí)別區(qū)域。
4.車(chē)牌校正：由于拍攝角度、鏡頭等因素的影響，圖像中的車(chē)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(lái)了困難。如果在定位到車(chē)牌后進(jìn)行車(chē)牌校正，有利于去除車(chē)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(guò)檢測(cè)車(chē)牌上下、左右邊框直線(xiàn)來(lái)計(jì)算傾斜角度；旋轉(zhuǎn)投影法通過(guò)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(chē)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?chē)牌的水平傾斜角度；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(guò)相關(guān)矩陣變換檢測(cè)到的車(chē)牌四個(gè)頂點(diǎn)，實(shí)現(xiàn)車(chē)牌的畸變校正。
5.字符分割：車(chē)牌識(shí)別定位車(chē)牌區(qū)域后，由于不知道車(chē)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(chē)牌類(lèi)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(chē)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(lèi)，以去除車(chē)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(lèi)和模板匹配等。由于車(chē)牌和光線(xiàn)不均勻造成的模糊車(chē)牌仍然是字符分割算法面臨的挑戰(zhàn)，需要更好的算法來(lái)解決上述問(wèn)題。
6.字符識(shí)別：車(chē)牌識(shí)別將分割字符的灰度圖像整合起來(lái)，提取特征，然后通過(guò)機(jī)器學(xué)習(xí)或匹配字符數(shù)據(jù)庫(kù)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(lèi)法等。模板匹配法的優(yōu)點(diǎn)是識(shí)別速度快，方法簡(jiǎn)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(lèi)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(lèi)法可以專(zhuān)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(guó)車(chē)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(guò)程的便利。但由于車(chē)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(chē)牌識(shí)別以文本格式輸出識(shí)別結(jié)果，包括車(chē)牌號(hào)碼、車(chē)牌顏色和車(chē)牌類(lèi)型。