外设VS视频 车牌识别系统两种触发方式

本篇文章1557字，读完约4分钟

车牌识别系统中有两种触发方式，一种是外围触发，另一种是视频触发。

外围触发模式是指使用线圈、红外线或其他检测器来检测车辆通过信号。在接收到车辆触发信号后，牌照识别系统收集车辆图像，自动识别牌照，并执行后续处理。该方法的优点是触发率高，性能稳定。缺点是需要切割地面和铺设线圈，而且施工量大。 视频触发是指车牌识别系统采用动态运动目标序列图像分析处理技术，实时检测车道上车辆的运动状态，在车辆经过时捕捉车辆图像，识别车牌并进行后续处理。视频触发模式不需要线圈、红外线或其他硬件车辆检测器。这种方法的优点是施工方便，不需要切割地面和铺设线圈，也不需要安装车辆探测器等部件，但其缺点也非常明显。由于算法的限制，该方案的触发率和识别率远低于外部触发。 1)间接方法:指通过识别汽车上安装的ic卡或条形码中存储的牌照信息来识别牌照及相关信息。Ic卡技术识别准确率高，运行可靠，可以全天工作，但其整体设备昂贵，硬件设备非常复杂，不适合异地操作；条形码技术具有识别速度快、精度高、可靠性高、成本低等优点，但对扫描仪的要求很高。另外，两者都需要制定一个统一的国家标准，而且无法检查汽车和条形码是否匹配，这也是一个技术上的缺陷，使得其难以在短时间内推广。 2)直接法:基于图像的车牌识别技术属于直接法，是一种被动的汽车牌照智能识别方法。它可以采集非接触信息，实时智能识别移动或静止车辆的车牌号码，无需任何专门的车载发射设备来发射车牌信号。与间接识别系统相比，首先，该系统节省了设备安置和大量资金，从而提高了经济效益；其次，由于采用了先进的计算机应用技术，可以提高识别速度，更好地解决实时性问题；第三，它基于图像识别，因此系统中的识别错误可以通过人的参与来解决，而其他方法很难与人交互。 直接方法一般包括图像处理技术、传统模式识别技术和人工神经网络技术。 1)图像处理技术:利用图像处理技术解决汽车牌照识别问题的研究始于20世纪80年代，但国内外只讨论了牌照识别中的一个具体问题，通常只用简单的图像处理技术来解决，没有形成完整的系统。识别过程是使用工业电视摄像机拍摄车辆的正面图像，然后将其交给计算机进行简单处理。最后，仍然需要人工干预，例如识别汽车牌照中的省内汉字。1985年，有人利用常用的图像处理技术，提出了基于汉字特征提取的汉字识别分类。根据汉字的投影直方图，选择浮动封闭值，提取汉字在垂直方向的峰值，采用树查表法对汉字进行粗分类。然后，根据汉字在水平方向上的投影直方图，选择一个合适的封闭值并进行量化，形成一个可变的长链码。然后，利用动态规划方法计算可变长链码与标准模式链码之间的最小距离，通过细分水稻实现汉字省名的自动识别。 2)传统模式识别技术。传统的模式识别技术是指结构特征方法、统计特征方法等。20世纪90年代，由于计算机视觉技术的发展，系统的车牌识别研究开始出现。1990年，as.johnson利用计算机视觉技术和图像处理技术实现了汽车牌照自动识别系统。该系统分为三个部分:图像分割、特征提取和模板构建、字符识别。根据不同阈值对应的不同直方图，通过大量统计实验确定车牌位置图像直方图的阈值范围，然后根据特定阈值对应的直方图对车牌进行分割，再利用预设的标准字符模板进行模式匹配识别字符。 3)人工神经网络技术。近年来，一些计算机及相关技术发达的国家已经开始探索利用人工神经网络技术解决车牌自动识别问题。例如，1994年，m.m.m.fanhy成功地将bam神经网络应用于车牌字符的自动识别。bam神经网络是由相同神经元组成的双向联想单层网络，每个字符模板对应一个唯一的bam矩阵。通过与车牌上的字符进行比较，可以识别出正确的车牌号码。这种bam神经网络方法的缺点是映射解决了识别系统存储容量和处理速度之间的矛盾。