人工神經網絡技術,計算機及相關技術發(fā)達的一些國家開始探討用人工神經網絡技術解決車牌自動識別問題,例如1994年M.M.M.FANHY等就成功地運用了BAM神經網絡方法對車牌上的字符進行自動識別,BAM神經網絡是由相同神經元構成的雙向聯想式單層網絡,每一個字符模板對應著個BAM矩陣,通過與車牌上的字符比較,識別出正確的車牌號碼。
為了測試一個車牌識別系統識別率,需要將該系統安裝在一個實際應用環(huán)境中,全天候運行24小時以上,采集至少1000輛自然車流通行時的車牌照進行識別,并且需要將車輛牌照圖像和識別結果存儲下來,以便調取查看。然后,還需要得到實際通過的車輛圖像以及正確的人工識別結果。之后便可以統計出以下識別率:
識別速度決定了一個車牌識別系統是否能夠滿足實時實際應用的要求。一個識別率很高的系統,如果需要幾秒鐘,甚至幾分鐘才能識別出結果,那么這個系統就會因為滿足不了實際應用中的實時要求而毫無實用意義。例如,在高速公路收費中車牌識別應用的作用之一是減少通行時間,速度是這一類應用里減少通行時間、避免車道堵車的有力保障。
例如一個車牌系統在白天有90%以上的準確度,到了傍晚就降到80%,夜間又降到70%,這種不穩(wěn)定的系統,比起全天候平均擁有70%準確度的車牌辨識系統更難于整合。因為使用者會認為,既然白天的辨識率有90%,那全天候的準確率都要達到90%才合理,這樣的規(guī)格還不包括奇怪的環(huán)境干擾(暴雨襲擊、冰雹、濃霧區(qū)段等),與架設環(huán)境限制(高度限制、風大搖晃限制、不容易遭受人為破壞等)。
攝像頭不停地拍照,交給系統去判斷。原理很簡單,因為沒有車輛時,拍的照片是固定的。撐死了也就白天一幅圖、晚上一幅圖、下雨一幅圖、陰天一幅圖等。有了基礎的圖,就可以區(qū)分有車輛進入地圖了。有人說這樣的容錯率也太低了,很容易出錯。是的,這的確容易出錯,所以軟件端做了進一步的技術深入:車輛輪廓識別。車輛輪廓識別與車牌識別的輪廓識別原理是一樣的,可以參考下面車牌輪廓識別部分。
車牌字符切割在上一步中,我們成功找到了車牌,并把它從原圖(不是二值化的圖)截取出來了。對截取的車牌圖片進行上一步的灰度化、二值化、降噪處理,尤其是邊緣降噪。如果降噪后,干擾的噪聲還是比較大,可以采取腐蝕、膨脹算法來模糊噪聲。如果降噪后的車牌圖片有傾斜現象,就需要對圖片做錯切變換(就是傾斜角度調整)。我們知道,有些車牌是上下結構的,這很容易通過對二值化的圖片做像素掃描來檢測上下兩部分是否中間不粘連,如果不粘連,那就是上下結構車牌。如果不是上下結構,那就是單行結構的新車牌。
煙臺崗亭廠家電話
面議
產品名:崗亭
德州不銹鋼崗亭
面議
產品名:崗亭
泗水縣安裝車牌識別
面議
產品名:車牌識別
昌邑市維修車牌識別
面議
產品名:車牌識別
停車場電動伸縮門廠家,支持定制
面議
產品名:電動伸縮門
學校電動伸縮門廠家供應
面議
產品名:電動伸縮門
經營電動伸縮門卷簾門,電動伸縮門
面議
產品名:電動折疊門,電動門,玻璃感應門,電動伸縮門
華龍區(qū)定制電動門廠家,電動玻璃門
面議
產品名:電動伸縮門,電動玻璃門,電動大門,電動門