車牌字元識別演算法

1. 停車場或小區車牌識別一體機識別車牌號的過程是怎樣的運用什麼原理

原理就是通過攝像機拍攝道路上行駛的車輛圖像進行車牌號碼的識別，過程涉及：車輛檢測—圖像採集—預處理—車牌定位—字元分割—字元識別—結果輸出。

車輛檢測可採用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等多種方式感知車輛的經過，並觸發圖像採集抓拍。

介紹

停車場及小區出入口車牌識別技術的運用，首要用於記載車輛的車牌號碼、車牌顏色、出入時間，完結車輛的自動處理，以便節省人力、前進功率。

例如運用於智能小區可以自動區別駛入車輛是不是歸於本小區，對非內部車輛完結自動計時收費道閘。在一些單位這種運用還可以同車輛調度系統相聯絡，自動、客觀地記載本單位車輛的出車情況。

2. 車牌識別系統的識別原理

車輛檢測可以採用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等多種方式。採用視頻檢測可以避免破壞路面、不必附加外部檢測設備、不需矯正觸發位置、節省開支，而且更適合移動式、攜帶型應用的要求。
系統進行視頻車輛檢測，需要具備很高的處理速度並採用優秀的演算法，在基本不丟幀的情況下實現圖像採集、處理。若處理速度慢，則導致丟幀，使系統無法檢測到行駛速度較快的車輛，同時也難以保證在有利於識別的位置開始識別處理，影響系統識別率。因此，將視頻車輛檢測與牌照自動識別相結合具備一定的技術難度。 為了進行車牌識別，需要以下幾個基本的步驟：
1) 牌照定位，定點陣圖片中的牌照位置；
2) 牌照字元分割，把牌照中的字元分割出來；
3) 牌照字元識別，把分割好的字元進行識別，最終組成牌照號碼。
車牌識別過程中，牌照顏色的識別依據演算法不同，可能在上述不同步驟實現，通常與車牌識別互相配合、互相驗證。
1) 牌照定位
自然環境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中准確地確定牌照區域是整個識別過程的關鍵。首先對採集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特徵的若干區域作為候選區，然後對這些侯選區域做進一步分析、評判，最後選定一個最佳的區域作為牌照區域，並將其從圖像中分離出來。
2) 牌照字元分割
完成牌照區域的定位後，再將牌照區域分割成單個字元，然後進行識別。字元分割一般採用垂直投影法。由於字元在垂直方向上的投影必然在字元間或字元內的間隙處取得局部最小值的附近，並且這個位置應滿足牌照的字元書寫格式、字元、尺寸限制和一些其他條件。利用垂直投影法對復雜環境下的汽車圖像中的字元分割有較好的效果。
3) 牌照字元識別方法主要有基於模板匹配演算法和基於人工神經網路演算法。基於模板匹配演算法首先將分割後的字元二值化並將其尺寸大小縮放為字元資料庫中模板的大小，然後與所有的模板進行匹配，選擇最佳匹配作為結果。基於人工神經網路的演算法有兩種：一種是先對字元進行特徵提取，然後用所獲得特徵來訓練神經網路分配器；另一種方法是直接把圖像輸入網路，由網路自動實現特徵提取直至識別出結果。
實際應用中，車牌識別系統的識別率還與牌照質量和拍攝質量密切相關。牌照質量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環境亮度、拍攝方式、車輛速度等等因素的影響。這些影響因素不同程度上降低了車牌識別的識別率，也正是車牌識別系統的困難和挑戰所在。為了提高識別率，除了不斷地完善識別演算法還應該想辦法克服各種光照條件，使採集到的圖像最利於識別。

3. 車牌識別系統中車牌識別演算法對相似字元怎麼識別

車牌上的相似字元，由於外形比較接近，受圖像解析度，光線，車牌污損等影響，一般的分類演算法，很容易出現誤識別。火眼臻睛車牌識別系統基於此演算法基礎上提出了易混淆字元專門處理，都能進行有效識別。使得識別效果在任何極端復雜情形下依然保持高識別率。

4. 車牌識別三級演算法

三級演算法是切分車牌字元安視寶經過預處理去噪之後的車牌圖像·可以進行下一步的操作，即車牌字元的分割．一般的字元分割演算法採用水平投影和垂直投影相結合的方法．然而這樣的演算法對分割前的車牌圖像要求比較高，比如字元之間不能有過多的粘連等等，這在很大程度上影響了整個系統的識別率·

5. 車牌識別系統識別車牌號的原理是什麼呢

牌照自動識別是一項利用車輛的動態視頻或靜態圖像進行牌照號碼、牌照顏色自動識別的模式識別技術。其硬體基礎一般包括觸發設備（監測車輛是否進入視野）、攝像設備、照明設備、圖像採集設備、識別車牌號碼的處理機（如計算機）等，其軟體核心包括車牌定位演算法、車牌字元分割演算法和光學字元識別演算法等。某些車牌識別系統還具有通過視頻圖像判斷是否有車的功能稱之為視頻車輛檢測。一個完整的車牌識別系統應包括車輛檢測、圖像採集、車牌識別等幾部分。當車輛檢測部分檢測到車輛到達時觸發圖像採集單元，採集當前的視頻圖像。車牌識別單元對圖像進行處理，定位出牌照位置，再將牌照中的字元分割出來進行識別，然後組成牌照號碼輸出。

6. 怎麼識別汽車牌照

汽車牌照識別是基於圖像分割和圖像識別理論，對含有汽車牌照的圖像進行分析處理，從而確定汽車牌照在圖像中的位置，並進一步提取和識別出文本字元。從不同車牌圖像中分割出的字元圖像各式各樣，尺寸變化范圍大，增加了識別的難度。盡管可以採用圖像變換方法將分割出的所有字元圖像歸一化為相同尺寸，但歸一化過程又不可避免地丟失有用的字元信息，造成圖像失真，無助於提高識別准確率，並且浪費時間，降低了識別速度。

本文通過分析汽車牌照的特點，提出了一種利用字元的筆畫特徵和結構知識對汽車牌照中的字母和數字進行識別的方法。試驗表明，該方法識別速度快、准確率高，不受字元圖像大小影響，適應性強。

1車牌字元結構和識別

中國大陸汽車牌照中使用的字元包括59個漢字、25個英文字母(字母I不用)和10個阿拉伯數字三種類型共94個，且都是印刷體，結構固定、筆畫規范。圖1是車牌號碼中使用的全部字母和數字的圖像。這些字元的結構在水平方向有三種類型：左右對稱、左大右小、左小右大。在豎直方向同樣有三種結構，即上下對稱、上大下小、上小下大。如車牌號碼中使用的數字"8"，就屬於左右對稱且上下對稱。

從圖1可以看出，全部字母和數字的筆畫共有兩大類：直筆畫和弧筆畫。直筆畫又可分為橫筆畫、豎筆畫、左斜筆畫(相當於漢字筆畫中的"撇")和右斜筆畫(相當於漢字筆畫中的"捺")。弧筆畫是一條曲線段，本文將其分為兩類：開弧筆畫和閉弧筆畫。所謂開弧筆畫，指該弧筆畫沒有形成封閉環，如字母"C"。而閉弧筆畫則形成一個封閉的環，如數字"0"。

根據字元圖像的這一特點，本文採用下述方法對字母和數字進行逐級分類，形成一棵識別判定樹，每個字元就是一個葉子：

(1)首先在待識別的字元圖像中搜索封閉環的數量和位置。

(2)根據搜索到封閉環的結果判斷字元所在的類封閉環字元類、雙封閉環字元類、無封閉環字元類。 (3)針對每一類分別進行處理。

(4)雙封閉環字元只有"8"和"B"，因此只要抽取豎筆畫即可區分出這兩個字元。"B"的左半部分有一長豎，而"8"沒有。

(5)單封閉環的字元有"A"、"D"、"O"、"P"、"Q"、"R"、"0"、"4"、"6"和"9"。根據封閉環的位置將這些字元分成三類：封閉環在上部；封閉環在下部和封閉環在中間，然後再根據結構特點和抽取的筆畫特徵進行識別。

．封閉環在上部的字元有"P"、"R"和"9"。如果待識別字元圖像上半部分有一個封閉環，則從左半部分抽取豎筆畫；若左側部分沒有豎筆畫，則該字元為"9"；若在左半部分抽取到豎筆畫，繼續抽取右斜筆畫；抽取到右斜筆畫，該字元為"R"；否則為"P"。

．封閉環在下部的字元有"A"、"4"和"6"。如果待識別字元圖像下半部分有一個封閉環，則從右半部分抽取豎筆畫；若右側部分有豎筆畫，則該字元為"4"；若在右半部分沒有抽取到豎筆畫，繼續抽取橫筆畫；抽取到橫筆畫，該字元為"A"；否則為"6"。

．封閉環在中間的字元有"D"、"O"、"Q"和"0"。實際應用中，"O"和"0"的圖像完全相同，可以作為同一個字元處理。如果待識別字元圖像中間有一個封閉環，則首先利用上下對稱特點判斷是否為"Q"；若上下對稱，則為"0"("O")或"D"；然後按照左右對稱特徵區分字元"0"和"D"。

(6)無封閉環的字元有"C"、"E"、"F"、"C"、"H"、"J"、"K"、"L"、"M"、"N"、"S"、"T"、"U"、"V"、"W"、"X"、"Y"、"Z"、"l"、"2"、"3"、"5"和"7"，通過抽取筆畫對這些字元進行識別，具體步驟如下：

· 抽取橫筆畫和豎筆畫。

· 若待識別字元圖像沒有橫筆畫和豎筆畫，則該字元為"S"、"V"或"X"。

· 若待識別字元圖像只有橫筆畫而沒有豎筆畫，則該字元為"2"、"3"、"7"或"Z"。

· 若待識別字元圖像只有豎筆畫而沒有橫筆畫，則該字元為"1"、"C"、"J"、"K"、"M"、"N"、"U"、"W''或"Y"。

· 待識別字元圖像既有橫筆畫又有豎筆畫的字元為"5"、"E"、"F"、"C"、"H"、"l"或"T"。

．"S"、"V"和"X"的識別。抽取左斜筆畫和右斜筆畫，"S"沒有這兩種筆畫，從而可識別出"S"。"X"的兩條斜筆畫交點位於字元圖像的中間位置，而"V"的兩條斜筆畫相交於字元圖像的下部，以此識別"X"和"V"。

· 識別2"、"3"、"7"和"Z"。這四個字元中只有"Z"有兩條橫筆畫，從而可以此識別出"Z"。"3"和"7"的橫筆畫都位於上部，而"2"的橫筆畫位於下部，這樣又可以識別出"2"。對於"3"和"7"，利用左斜筆畫進行識別。"7"具有左斜筆畫，而"3"沒有。

·識別"1"、"C"、"J"、"K"、"M"、"N"、"U"、"W"和"Y"。根據豎筆畫的數量將這些字元分為三類，"1"、 "C"、"J"、"K"和"Y"都是一條豎筆畫、"M"、"N"和"U"是兩條豎筆畫，而"W"有三條豎筆畫，這樣就完成了"W"的識別。

對於一條豎筆畫的字元，判斷該筆畫的位置是在左邊("C"和"K")、中間("1"和"Y")還是在右邊("J")，即可識別出"廠。根據有無右斜筆畫區分"C"和"K"，按照中間豎筆畫的長短區分"1"和"Y"。

．由於字元"N"有一右斜筆畫，以此將其從"M"和"U"中識別出來。對於"M"和"U"，依靠結構特徵已無法識別，本文使用字元圖像中前景像素個數與背景像素個數的比值來判斷。根據這兩個字元的特點，只計算字元上半部分即可。 · 識別"5"、"E"、"F"、"G"、"H"、"I"和"T"。這些字元中，只有"E"具有三條橫筆畫，"F"有兩條橫筆畫，其餘為一條橫筆畫。剩下的字元中，按照豎筆畫的數量分為兩組： "5"、"L"和"T"為一條豎筆畫，"G"和"H"為兩條豎筆畫。"H"的兩條豎筆畫長度相同，而"G"的兩條豎筆畫則一長一短，這是區分"G"和"H"的標志。"T"的豎筆畫在中間，"5"和"L"的豎筆畫在左邊。"L"的豎筆畫長，"5"的豎筆畫短，這樣就完成了"5"、"T"和"L"的識別。

搜索封閉環實際上就是在字元圖像中搜索連通域。在字元的二值圖像中，假定字元像素值"1"，背景像素值為"0"，則：

(1)無封閉環的字元圖像中只有兩個連通域，即字元連通域和背景連通域，圖2(a)中的B和F。

(2)只有一個封閉環的字元圖像中有三個連通域，即一個字元連通域和兩個背景連通域，圖2(c)中的B1、B2和F。

(3)有兩個封閉環的字元圖像中有四個連通域，即一個字元連通域和三個背景連通域，圖2(b)中的B1she、B2、B3和F。

搜索封閉環的演算法如下：

(1)讀入二值字元圖像。

(2)找到一個像素值為"0"的背景像素點B。

(3)搜索B的連通域，並將該連通域內的像素全部標記為背景1。

(4)遍歷圖像中像素值為"0"的像素。

(5)若所有"0"像素都已標記為背景1，則該圖像內封閉環個數為0，跳轉到(11)。

(6)若存在沒有標記為背景1的"0"像素點B1，則有封閉環。

(7)搜索B1的連通域，並將該連通域內的像素全部標記為背景2。

(8)遍歷圖像中像素值為"0"的像素。

(9)若所有"0"像素都已標記為背景1或背景2該圖像內封閉環個數為1，跳轉到(11)。

(10)若存在沒有標記為背景1或背景2的"0"像素，則該圖像內封閉環個數為2。

(11)結束搜索，返回封閉環個數。

字元的筆畫抽取可參見文獻[1]

2識別測試

利用本識別方法，筆者對從車牌中分割出的字元進行了識別測試。所測試的字元包括了車牌中所使用的全部35個數字和字母共7000幅圖像，其中圖幅最大的為l00xl00像素，而最小的是20x20像素。正確識別的有6946幅，正確率超過99％。其中識別錯誤的圖像主要集中在字母"0"和"D"。通過對這些容易識別錯誤的字元進行二次識別，可以大大提高識別准確率

本文提出的字元識別方法的核心就是通過判定樹對字元群體層層分類，從樹干開始逐步縮小識別范圍，直到最後只有一類字元，即識別成功。

該方法具有如下特點：

(1)不需要建立識別樣本庫，完全依據字元自身的結構特徵進行逼近識別。
(2)不需要將待識別字元與全部字元進行匹配識別，因而提高了識別速度和准確率。

7. 車牌自動識別能快速准確的識別車牌是什麼原理

車牌自動識別原理基本是經過車牌捕捉、定位、截取、二值化、字元切分，最後車牌OCR識別、結果輸出，一般還會有字元識別後處理等幾個步驟，這幾個步驟要協調處理才行，還要使用各種情況，比如，雨雪天氣、反光、陰陽車牌、晚上補光、污損車牌等具體實際情況進行各種優化，才能得到一個完美的車牌識別演算法，如果做論文，可以直接用開源的一些東西去完善，如果實際應用，可以用商用的車牌OCR識別產品。
啟智暢想車牌識別SDK特點：1、毫秒級識別車牌，徹底解決手工輸入痛點，快速、准確；2、手機相機視頻預覽識別車牌，可提供安卓、ISO、Windows、Linux等系統識別，支持移動設備離線識別以及電腦客戶端、伺服器端識別；3、支持識別的車牌種類多，藍牌、黃牌、新能源車牌均可識別，4、復雜場景車牌均可識別，適應性強，白天晚上、遠距離、大角度都能快速准確的識別車牌；5、車牌識別SDK開發部整體不超過500K，識別率高達99%；

8. 車牌識別系統識別車牌號的原理是什麼呢

為了進行車牌識別，需要以下幾個基本的步驟：
1)牌照定位，定點陣圖片中的牌照位置；
2)牌照字元分割，把牌照中的字元分割出來；
3)牌照字元識別，把分割好的字元進行識別，最終組成牌照號碼。

車牌識別過程中，牌照顏色的識別依據演算法不同，可能在上述不同步驟實現，通常與車牌識別互相配合、互相驗證。

9. 車牌識別系統演算法是什麼-真地

汽車牌照自動識別技術
它是利用車輛的動態視頻或靜態圖像進行牌照號碼、牌照顏色自動識別的模式識別技術。通過對圖像的採集和處理，完成車牌自動識別功能，能從一幅圖像中自動提取車牌圖像，自動分割字元，進而對字元進行識別。其硬體基礎一般包括觸發設備(監測車輛是否進入視野)、攝像設備、照明設備、圖像採集設備、識別車牌號碼的處理機(如計算機)等。

自動識別技術分為硬識別和軟識別（其實兩者是相輔相成的）
「硬體識別」就是通過獨立的硬體設備，對所抓拍圖片進行一系列的字元處理；目前停車場系統行業中硬體識別也分為兩種，即帶有單獨的車牌識別儀和前端硬體識別兩種。前端硬體識別一體式攝像機是將傳統單獨的車牌識別儀嵌入至攝像機中，實現前端硬體與攝像機一體化，完美實現圖像抓拍、視頻流傳輸、字元識別、道閘抬桿等一系列的工作。
「軟體識別」可以理解為通過軟體對車牌號碼進行的，通過在電腦上安裝一個配套的車牌識別軟體，對抓拍的圖片進行識別處理。其工作方式是通過攝像機連續抓拍多張照片，選擇其中較為清晰的一張，然後通過電腦軟體進行字元處理，實現車牌識別的。因為每次識別需要抓拍多張照片，因此軟識別的速度較慢。而且軟識別系統對所抓拍的圖片要求也是極高的，必須極為清晰才能達到想要的效果。該系統對現場環境以及調試質量要求極高，在諸多環境不佳的場合都不適用，並且識別設備的擺放也是非常重要的。
軟硬識別的對比：
1、分析識別模式
硬識別系統：採用視頻流分析識別，對監控范圍內的視頻流進行全天候實時分析；
軟識別系統：圖片分析識別，對到達指定范圍內的車輛進行拍照，再對照片進行分析；當車輛位置不佳時，識別易出錯。
2、智能演算法模型

硬識別系統：採用智能模糊點陣識別演算法，准確率更高，識別率大於99.70％。很少需要人工干預。
軟識別系統：OCR/字型拓撲結構識別演算法，會頻繁出現誤識別情況，准確率低於90％。需要人工不斷輸入糾正後的號牌。
3、可靠性及穩定性：

硬識別系統：專用識別器採用TI 公司的高速DSP，雙CPU控制，確保系統可靠性和穩定性。
軟識別系統：軟體識別，容易頻繁出現死機等情況，需經常重新啟動電腦，造成間斷性系統癱瘓。

10. 車牌識別系統中車牌識別演算法對相似字元怎麼識別

車牌識別對現場要求比較高，最好是直道，攝像機最好是百萬高清，配補光燈，車牌漢字識別省簡稱可硬識別為所在省簡稱……。