車牌識別系統(tǒng)的工作過程分別是哪些？

　　開車的朋友知道，無論我們是去停車場還是上下高速公路，只要有攝像頭和欄桿的地方必然是有對車牌有識別的需求，這么這些車牌識別系統(tǒng)的識別過程是怎樣呢？它識別原理又是什么呢？讓我們今天跟隨小編來一起詳細了解一下：

　　在討論車牌識別過程之前，作者應該首先說，高速十字路口的ETC是一種依賴于RFID技術的電子識別裝置。這種識別技術是通過識別粘貼在汽車前擋風玻璃或其他電子標簽上的電子標簽來識別和收費的。因此，ETC和車牌識別系統(tǒng)是兩個系統(tǒng)，因為車牌識別系統(tǒng)不承擔充電和消耗功能，所以ETC出現(xiàn)在歷史時刻。ETC電子車牌、繳費系統(tǒng)

　　另一個原因是，當速度較高時，車牌識別系統(tǒng)相機拍攝的照片會影響識別。如果安裝高速攝像頭（每秒可以拍攝的幀數(shù)遠遠大于24幀），成本將非常高，不利于普及。

　　下面我們介紹一下車牌識別系統(tǒng)的工作過程，講述過程中我們盡量不使用專業(yè)術語，以求讓大家能夠更容易理解，我們總結了八個點方便大家來清楚的了解：

　　1、車輛識別

　　當然，在拍照之前，有必要確定車輛確實進入了攝像機的焦距位置，而車牌識別系統(tǒng)將收集車輛的圖像。因此，識別車輛是車牌識別開始。那么，如何識別車輛呢？

　　有很多方法，其中紅外法是常用的方法。因為相機和系統(tǒng)被動地收集數(shù)據(jù)，所以它不知道什么時候拍照。當車輛進入拍攝區(qū)域時，紅外線將被車輛阻擋。此時，相機和系統(tǒng)將拍攝車輛的照片，以便后續(xù)的車牌識別。當然，這種簡單的紅外檢測是否有車輛進入，人或其他物體阻擋紅外線，也會導致拍照。

　　帶紅外探測的攝像頭

　　幸運的是，為了檢測車輛是否進入范圍或其他異物，將根據(jù)車輛的寬度設置紅外設備。多條紅外線被堵塞，寬度與車輛一致，這將導致拍照。

　　第二種方法是軟件識別，相機不斷拍照，交給系統(tǒng)判斷。這個原則很簡單，因為當沒有車輛時，照片是固定的。白天，晚上，雨，陰天等等。有了基本的地圖，你可以區(qū)分是否有車輛進入地圖。

　　有人說這樣的容錯率太低，容易出錯。是的，這真的很容易出錯，所以軟件了更深入的技術：車輛輪廓識別。車輛輪廓識別的輪廓識別原理與車牌識別的輪廓識別原理相同。請參考以下車牌輪廓識別部分。

　　2、拍照

　　這一步很容易理解，為進入有效焦距范圍的車輛拍照。車牌識別系統(tǒng)的軟件端將根據(jù)車輛進入的視頻截取圖片或直接拍照。獲取照片后，提供給識別系統(tǒng)備用。

　　3、圖片初級處理——灰度化、二值化

　　眾所周知，灰色是白色和黑色之間的顏色，灰色的深度是不同的，所以白色和黑色之間有很多灰色。一旦有更多的顏色，電腦就會眼花繚亂。因此，簡單地將圖片轉換為二級。什么是二級？也就是說，圖片只有黑色和白色，也就是說，只有兩個顏色值。顧名思義，將圖片變成黑白的過程是二級的。另一個生動的比喻是熊貓！在計算機RGB顏色空間中，白色為255，黑色為0，其他顏色在0-255之間。

　　灰度化和二值化后的車輛圖片

　　有人問，紅色是白色還是黑色？黃色是白色還是黑色？不要問，在二值化的過程中，我們會根據(jù)設定的值來判斷圖片中的每個像素，比如160以上的白色，160以下的黑色。

　　4、圖片降噪

　　什么是降噪？就像你在說話一樣。你旁邊的一直在吱吱作響。此時，當你與鄰居交談時，你應該注意區(qū)分電鋸噪音或鄰居所說的話。

　　二值化圖片降噪

　　同樣，在圖片二值化之后，照片中可能有紅色、橙色、黃色、綠色、靛藍和紫色。如果你有一兩個值，不同的顏色深度自然會出現(xiàn)黑白斑點。因此，我們應該根據(jù)這些斑點的顏色偏差和數(shù)量來決定是否給它們反色。也就是說，白色變成黑色，黑色變成白色。

　　5、圖形檢索，定位車牌

　　在這一步的圖像處理中，是車牌檢索。使用大腦的朋友可能已經(jīng)意識到車牌是一個常規(guī)的矩形。我們只需要在兩值之后在圖片中找到矩形。問題是，你在尋找矩形。問題是一些車輛的熱窗是矩形的。那些喜歡動腦筋的人已經(jīng)注意到，車牌的長寬比不同于車身其他部位的形狀和長寬比。

　　如果我們掌握了上述基本知識，我們將更接近找到車牌。計算機從左到右、從上到下掃描整個二級圖像，并記錄所有顏色從黑色到白色或從白色到黑色的像素。然后根據(jù)這些像素計算哪個區(qū)域是矩形并符合車牌比例。從原圖截取車牌

　　如何判斷它是否是車牌？這很簡單。掃描該區(qū)域的另一波。因為這是一張二元圖片，如果有車牌號，就會有黑白變化，尤其是垂直方向。這樣，我們可以縮小范圍，快速找到車牌。

　　6、車牌字符切割

　　在后一步中，我們成功地找到了車牌，并將其從原始圖片（而不是二值圖片）中截取出來。在上一步中，對截取的車牌圖片進行灰度、二值和降噪處理，尤其是邊緣降噪。如果降噪后干擾噪聲仍然相對較大，可以使用腐蝕和膨脹算法來模糊噪聲。

　　如果降噪后的車牌圖片有傾斜現(xiàn)象，就需要對圖片做錯切變換（就是傾斜角度調(diào)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。二值化后的車牌(省別模糊處理了)

　　接下來，我們根據(jù)每個字符的寬度對掃描的二值車牌進行縱向切割。這很容易理解，因為車牌圖像是二等的，所以車牌字符要么是白色的，要么是黑色的，要么是白色的，很容易得到字符的高度和寬度。切割是基于此，將車牌的所有字符切割成單個字符。

　　車牌字符切割后，調(diào)整為與車牌字符模板庫大小近似且寬度小于模板庫字符大小的圖片。

　　7、準備好車牌字符模板庫

　　車牌字符模板庫可以事先用PS或者其他軟件AI、CorlDraw等制作好，網(wǎng)絡上有車牌字體下載。車牌字符庫

　　也可以通過不斷拍照車輛獲取，這個過程就是機器學習的過程。目的就是獲得車牌省別、軍、警、學、使領館等的漢字，26個英文大寫字母，和0-9的10個數(shù)字。

　　8、車牌文字識別

　　接下來，將被切割的圖片存入一個數(shù)組A內(nèi)，將模板庫的圖片存入一個數(shù)組B。將兩列數(shù)組逐個比對，找出相似度高的模板圖片，并把它們記錄在一個新的數(shù)組C內(nèi)。當然，我們有意地過濾了車牌中的圓點。