车牌识别(LPR)交通领域的视频监控系统是较为高端的，其技术升级也上日新月异的。
车辆检测和跟踪：将画面中的车辆从背景中分割出来并予以跟踪，从而明确每一辆需要进行车牌检测的车辆实体。要解决由于光照的变化、背景混乱运动的干扰、运动目标的影子、摄像机的抖动以及车辆目标的自遮挡和互遮挡等影响。内建ARM的SoC其LPR可达到“后向”和“前向”两种位移模式的分别处理。在这个阶段，车辆检测率效果已可达到99.6%的水平，而重复率低于0.2%。
车牌检测：车牌检测是最重要的LPR环节，其后的辨识效果，与此部分数据提取正确率的归一相关系数，是所有环节中最大的。在有车灯、尾灯、栅格等干扰图像的影响下，准确提取车牌并将其边缘准确切割是算法的重要能力。支持SoC的LPR已能使用边沿检测、正负线检测、旋转纠偏、角点检测等手段，使得车牌边沿的切割移位率，降低到3%的极值，为下一步的分析提供了可靠的数据源。
字元分割：要将需要辨识的字符目标从车牌中撷取出来。考虑到车牌种类的不同，这一步骤实际要求算法对不同种类的车牌自动适应并提取。以台湾车牌为例，旧式车牌中存在的4、5、6位数的车牌，以及新式车牌的7位数标准车牌，就需要算法自动判别筛选和撷取。此外，摩托车和大型车车牌长宽比上的较大区别，也是LPR技术必须解决的问题。典型支持ARM的LPR解决方案是基于内部字符角点的聚合特征，和字符间留白的线特征，自动制表符区域予以提取。当前撷取的正确率可达99.4%～99.8%之间。
字符识别：不同地区和国家的车牌字符字体不一。据了解，内建ARM的SoC其LPR方案当前可支持的字符包括26个英文大写字母、10个阿拉伯数字，和中国地区72个车牌类属标记字;拥有巨量的车牌库是这一环节准确率的保证。例如市面找得到有IMP-LPR所采用的是经典的图像增强加SVM模式进行识别，对特殊易混淆的字符，采用专门的分析算法予以针对性的区分，甚至特殊采用逆向金字塔方法，提取每一个字符的识别结果概率。透过这些方式产生的首选答案输出结果，正确率稳定在98%以上。
规则输出：不同国家和地区的车牌，其制式上字符位置和可选范围具有明确的定义，能用以提高整体车牌的准确率。以台湾新7位车牌为例，利用前3后4的结构，可以明确将识别结果中，首选答案中不符车牌制式规则的错误纠正过来。SoC的LPR方案也可考虑这一实际有效的方式，在程序架构上，允许外部依据车牌制式的概率，制定纠错输出的规则。采用这样的规则，能成功使其在台湾的车牌辨识率提升0.6%～0.8%。
a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台，为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等，为读者搭建专业的行业交流平台。
粤公网安备 44030402000264号
