當(dāng)今，車(chē)牌識(shí)別相機(jī)廣泛地應(yīng)用在智能交通管理系統(tǒng)中，對(duì)車(chē)輛管理發(fā)揮了的作用。眾所周知，車(chē)牌識(shí)別(LPR)系統(tǒng)是以圖像處理、模式識(shí)別等技術(shù)為基礎(chǔ)的智能識(shí)別系統(tǒng)，通過(guò)攝像機(jī)拍攝道路上行駛的車(chē)輛，形成圖像，再進(jìn)行車(chē)牌號(hào)碼的識(shí)別。

◆自帶開(kāi)閘功能，支持相機(jī)傳透

◆內(nèi)置四顆LED補(bǔ)光燈，亮度可調(diào) 每顆**功耗1W

◆配一體式烤漆機(jī)箱

◆配AC220V15W內(nèi)置補(bǔ)光燈

◆顯示屏輸入電源：220AC

◆顯示屏尺寸：304mm*152mm（長(zhǎng)*寬）

◆外殼整體尺寸：360mm*120mm*1450mm（寬*厚*高）

◆兩行顯示，**號(hào)碼、停車(chē)時(shí)間、收費(fèi)金額以及廣告信息等

◆自帶**播報(bào)功能

◆可選配脫機(jī)收費(fèi)功能

假設(shè)車(chē)牌圖片沒(méi)有旋轉(zhuǎn)和變形，則車(chē)牌分割的一個(gè)重要特征是車(chē)牌中有大量的垂直邊緣。

具體算法步驟如下：

1.將彩色圖像轉(zhuǎn)化為灰度圖，并采用5*5模版對(duì)圖像進(jìn)行高斯模糊來(lái)退出由照相機(jī)或其他環(huán)境噪聲（如果不這么做，我們會(huì)得到很多垂直邊緣，導(dǎo)致錯(cuò)誤檢測(cè)。）

2.使用Sobel濾波器求一階水平方向?qū)?shù)，以此尋找垂直邊緣

3.使用Otsu自適應(yīng)閾值算法獲得圖像二值化的閾值，并由此得到一副二值畫(huà)圖片

4.采用閉操作，去除每個(gè)垂直邊緣線之間的空白空格，并連接所有包含 大量邊緣的區(qū)域（這步過(guò)后，我們將有許多包含車(chē)牌的候選區(qū)域）

5.由于大多數(shù)區(qū)域并不包含車(chē)牌，我們使用輪廓外接矩形的縱橫比和區(qū)域面積，對(duì)這些區(qū)域進(jìn)行區(qū)分。

a.使用findContours找到外部輪廓

b.使用minAreaRect獲得這些輪廓的小外接矩形，存儲(chǔ)在vector向量中

c.使用面積和長(zhǎng)寬比，作基本的驗(yàn)證【閾值：長(zhǎng)寬比為4.727272，允許誤差范圍正負(fù)40%，面積范圍15*15至125*125】

6.由于每個(gè)車(chē)牌都包含白色背景屬性。我們?yōu)榱烁牟眉魣D像，可以使用floodfill算法【用顏色填充某一密閉區(qū)域，相當(dāng)于油漆桶的功能】來(lái)提取那些旋轉(zhuǎn)的矩形。

步的原文：get several seeds near the last rotated rectangle center. Then get the minimum size of plate between the width and height, and use it to generate random seeds near the patch center.】總之，得到每個(gè)矩形的中心，然后求每個(gè)矩形各自長(zhǎng)寬的較小值，再用隨機(jī)數(shù)和這個(gè)較小值得到中心附近的種子點(diǎn)

第二步的原文：for each seed, we use a floodFill function to draw a new mask image to store the new closest cropping region:

第三部的翻譯：對(duì)這些裁剪區(qū)域，再次用縱橫比和區(qū)域面積進(jìn)行驗(yàn)證，再去除圖像的旋轉(zhuǎn)，并裁剪圖像到統(tǒng)一尺寸，均衡化圖像的灰度

②用SVM分類(lèi)。分類(lèi)前要先訓(xùn)練SVM，準(zhǔn)備正、負(fù)樣本（圖像分割后得到的車(chē)牌及非車(chē)牌圖像）。

字符識(shí)別（Chars Recognition）：對(duì)只包含車(chē)牌的圖塊進(jìn)行光學(xué)字符識(shí)別（OCR），可用CNN實(shí)現(xiàn)。

三步：①字符分割 ②CNN訓(xùn)練 ③使用CNN預(yù)測(cè)字符

一、字符分割【OCR Segment】

在使用神經(jīng)網(wǎng)絡(luò)對(duì)每個(gè)字符進(jìn)行預(yù)測(cè)之前，我們從只包含車(chē)牌的圖塊中扣取字符圖片，步驟如下：

輸入圖像為上一步驟得到的車(chē)牌：


a.二值化車(chē)牌


b.求輪廓


c.求小外接矩形


d.用縱橫比及面積，篩選外接矩形


e.調(diào)整統(tǒng)一矩形大小并保存每個(gè)字符的圖片【注意：分割得到順序和車(chē)牌字符順序無(wú)關(guān)，可能不同】