车牌识别软件

车牌识别软件，安装在PC上即可运行。可完成进出车辆识别抓图和对进出车牌信息进行常规的统计分析，并且支持车牌信息回查，提高管理水平。

软件原理

车牌识别是基于计算机视觉和模式识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别过程包括图像采集、车牌定位、字符分割、字符识别等一系列算法运算，其运行流程如下：

图像采集：

通过模拟摄像机或高清摄像机对过往车辆进行实时、不间断记录、采集。

车牌定位：

车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个车牌识别率的重要因素。

车牌定位算法的好坏，由车牌检出率来评估，目前市面上优秀的车牌识别系统，检出率能达到99%以上。

其核心是利用车牌区域的纹理特性，进行车牌定位，常用的车牌检测算法包括：利用梯度信息投影统计；利用小波变换作分割；车牌区域扫描连线算法；利用区域特性训练分类器的方法等。这些算法各有利弊，如何从复杂场景中提取出稳定可靠的车牌区域是一个难点。

字符分割：

在图像中定位出车牌区域后，通过灰度化、灰度拉伸、二值化、边缘化等处理，进一步精确定位字符区域，然后根据字符尺寸特征提出动态模板法进行字符分割，并将字符大小进行归一化处理。

字符识别：

对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类器就可以对字符进行识别，常用的分类算法有神经网络，SVM等。

结果输出：

将车牌识别的结果以文本格式输出。

车牌识别软件应用领域

车牌识别软件可广泛应用于智能交通、公路卡口、停车场管理、电子警察等领域。

从根本上讲，车牌定位的算法分为三类，一类是基于边缘的，一类是基于颜色的，一类是基于机器学习的，从实验结果可看出，基于边缘的最简单也最有效，如果对于收费站和小区的应用，做到99%以上的检测率不是件难事，但如果场景复杂一点，误检会比较多，但并不会漏掉真正的车牌，只是虚警率高点，可以通过先验知识、颜色和后面的分割加以去除，误检不是重点。基于颜色的定位算法，从根本上讲也可以算是基于边缘的一种，无非是利用彩色边缘或者灰度图像边缘和颜色一起来定位，基于颜色的车牌定位算法用于高清效果不错，对于一般的场景我认为没必要用颜色进行定位，但初期用颜色先去除一些明显不是车牌的区域还是比较有效的。基于机器学习的算法进行车牌定位或者说检测，关键是找到好的特征和好的训练方法，不少人利用adaboost+haar特征进行车牌检测，从我的实验结果来看，检测率也能达到99%以上，但同时虚警率也非常高，会出现很多误检，而且很难把车牌的区域完整的检测出来，所以如果单独要用机器学习的算法还是不太可行，不过可以先利用边缘信息找到候选区域，然后用adaboost去去除非车牌区域，这个效果还是蛮不错的。

对于边缘的检测，如果车牌在图像中占的比例不是很小，普通的差分和全局二值化就可以达到很好的效果，如果对于高清图像（譬如要检测几个车道）或者场景很复杂，导致车牌所占图像的比例很小，还有就是车牌处于比较暗的地方，而整个场景很亮，这个时候差分得到的边缘就不会很丰富，如果利用全局二值化就可能导致车牌区域检测不到边缘，解决办法一就是对图像进行灰度拉伸或增强，解决办法二就是换边缘检测的方法（譬如sobel），解决办法三就是改进二值化的方法。对于图像增强的方法我要特别提一下直方图均衡化，很多论文上都会说对输入先进行直方图均衡化，但我的实验发现，晚上的如果进行直方图均衡化 *** 作后会导致噪点特别多，而且可能会导致车牌区域检测不到边缘，总之图像增强是一把双刃剑，需要慎重考虑。

如果利用边缘进行定位，关键是要想办法一定要检测出车牌区域的边缘。

总结一下车牌定位，利用边缘是王道，可以先粗检再精检，颜色可以用于精定位和去除误检，机器学习如果想要好的结果得需要好的特征，但目前好像还没有。我个人认为车牌定位的难点不在于找到车牌区域，而在于怎么对车牌区域进行更精确的定位，而精定位的难点在于左右精定位，以便于后面的分割算法。

车牌识别是利用车辆的动态视频或静态图像进行车牌号码、车牌颜色自动识别的模式识别技术。技术的核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。车牌识别单元对图像进行处理，定位出车牌位置，再将车牌中的字符分割出来进行识别，最后组成车牌号码输出。

车牌识别工作原理:

而车牌识别系统通常会经过下列步骤完成识别输出的工作。

车辆检测：可采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式感知车辆的经过，并触发图像采集抓拍。

图像采集：通过高清摄像抓拍主机对通行车辆进行实时、不间断记录、采集。

预处理：噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等。

车牌定位：在经过图像预处理之后的灰度图像上进行行列扫描，确定车牌区域。

字符分割：在图像中定位出车牌区域后，通过灰度化、二值化等处理，精确定位字符区域，然后根据字符尺寸特征进行字符分割。

字符识别：对分割后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配判别。

结果输出：将车牌识别的结果以文本格式输出。文通的车牌识别产品包含软识别、硬识别，识别效果很不错

汽车牌照自动识别技术是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。通过对图像的采集和处理，完成车牌自动识别功能，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别其硬件基础一般包括触发设备(监测车辆是否进入视野)、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机(如计算机)等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。 某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。

车牌识别停车场管理系统将摄像机在入口拍摄的车辆车牌号码图象自动识别并转换成数字信号。做到一卡一车，车牌识别的优势在于可以把卡和车对应起来，使管理提高一个档次，卡和车的对应的优点在于长租卡须和车配合使用，杜绝一卡多车使用的漏洞，提高物业管理的效益;同时自动比对进出车辆，防止偷盗事件的发生。升级后的摄像系统可以采集更清晰的，作为档案保存，可以为一些纠纷提供有力的证据。 方便了管理人员在车辆出场时进行比对，大大增强了系统的安全性。

1车辆检测

车辆检测可以采用埋地线圈检测、红外检测、雷达检测、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支，而且更适合移动式、便携式应用的要求。

具备视频车辆检测功能的牌照识别系统，首先对视频信号中的一帧(场)的信号进行图像采集，数字化，得到对应的数字图像;然后对其进行分析，判断其中是否有车辆;若认为有车辆通行，则进入到下一步进行牌照识别;否则继续采集视频信号，进行处理。

系统进行视频车辆检测，需要具备很高的处理速度并采用优秀的算法，在基本不丢帧的情况下实现图像采集、处理。若处理速度慢，则导致丢帧，使系统无法正确检测到行驶速度较快的车辆，同时也难以保证在有利于识别的位置开始识别处理，影响系统识别率。因此，将视频车辆检测与牌照自动识别相结合具备一定的技术难度。

2牌照号码、颜色识别

为了进行牌照识别，需要以下几个基本的步骤：

• 牌照定位，定位中的牌照位置;

• 牌照字符分割，把牌照中的字符分割出来;

• 牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。

牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。

(1)牌照定位

自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。

(2)牌照字符分割

完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。

(3)牌照字符识别

字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。

实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等;实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。

车牌识别系统工作原理是利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别。硬件基础一般包括触发设备（监测车辆是否进入视野）、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机（如计算机）等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。车牌号码识别的步骤如下：1、牌照定位，定位中的牌照位置；2、牌照字符分割，把牌照中的字符分割出来；3、牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。

使用车牌识别系统能准确清楚车辆所在的位置，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息，目前最新的技术水平为字母和数字的识别率可达到997%，汉字的识别率可达到99%。

使用电子号牌能让拍摄系统能更加清楚拍摄号牌，通过违章拍摄的位置，反映车辆最近的行驶位置，多个拍摄系统能显示出车辆的行驶轨迹。基于特征统计的车牌定位分为粗定位和精确定位，其中粗定位就是从车牌边缘检测后的图像中找出含有车牌的区域，并把它提取出来，利用车牌区域横向积分投影的连续性特征，定出车牌的上下边，利用车牌白点数目占据主导的特点，用一定宽度的矩形，从左往右扫描，最终落在该矩形内白色的点最多的位置就是车牌区域的大致位置。

以上就是关于车牌识别软件全部的内容，包括:车牌识别软件、在车牌识别中当前最先进的车牌定位方法有哪、车牌识别系统是怎样工作的等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！