车牌的位置和车牌在图像中的位置;对车牌字符进行分离;对车牌字符进行识别,对好字符进行分段识别,最后对车牌号进行组合.在车牌识别过程中,根据算法的不同,车牌的颜色识别是不同的,可以在上述不同的步骤中实现,并且通常与车牌识别和验证相配合.下面蒙冬智能简单介绍车牌识别系统识别车牌的三个步骤：
1.车牌定位:
在自然环境中,汽车图像背景复杂,光照不均匀.如何在自然背景中准确地确定车牌区域是整个车牌识别系统识别过程的关键.首先对广泛的视频图像进行相关搜索,找出车牌区域的一些特征作为候选区域,然后对这些候选对象做进一步的分析和评价,最后选择一个最佳的车牌区域,并从图像中分离出来.
2.牌照字符分割
在车牌区域的位置完成后,将车牌区域划分为单个字符,然后识别.采用垂直投影法进行字符分割.由于字符或字符的垂直方向投影字符必须在附近获得一个局部最小间隙,并且该位置应满足车牌字符的格式、字符、大小限制等条件.采用垂直投影法,在复杂环境下对汽车图像进行字符分割较好.
3.车牌字符识别算法
基于模板匹配算法和人工神经网络算法的车牌字符识别方法.基于模板匹配算法首先将字符分割后的二值化,并在数据库模板中对字符的大小进行缩放,然后与所有模板匹配并选择最佳匹配结果.基于人工神经网络的算法有两种:一是提取神经网络分类器的特征,然后进行训练.另一种方法是直接将图像输入网络,由网络自动实现,直到识别结果为止.
在实际应用中,车牌自动识别系统的识别率与车牌的质量和拍摄质量密切相关.该牌照的质量会受到各种因素的影响,如铁锈污染,油漆剥落,字体颜色褪色,车牌遮挡板倾斜,突出,多牌照、假牌照,等实际拍摄的过程中也会受环境亮度、拍摄模式、行车速度等.
这些因素降低了车牌识别的识别率,是车牌识别系统的难点和挑战.为了提高识别率,除了不断改进识别算法外,还应寻找克服各种光照条件的方法,使采集到的图像最有利于识别.
