Vehicle License Plate Recognition System based on Parking Lot

Vehicle License Plate Recognition System based on Parking Lot

來自專欄 機器學習/強化學習/OpenCV作者:Yohanna

鏈接:安裝在小區門口和停車場的車牌識別機是如何識別車輛的? - Yohanna 的回答

目錄:

1. 系統設計的總體方案

2. 系統設計的總體流程

3. 系統工作原理

4. 系統結構

5. 車牌識別的具體流程

5.1. 信息採集

5.2. 車牌定位

5.3. 字元分割

5.4. 字元識別

6. 後台管理

7. 總結

//------------------------------------------------------------------------------------------------------------------------//

5.2. 車牌定位

車牌的定位是車牌識別中最關鍵的一步,定位的精確與否直接影響了後續的信息採集,也是整個系統成敗的關鍵。

目前,車牌識別主要有兩種:

a. 基於灰度圖像的車牌識別:

優點:The method based on gray image, processing speed quickly;

由於灰度圖像是單通道的,也就是說每個像素點位(0,255),只有一個採樣顏色,0代表黑色,255代表白色,佔用的存儲空間相對同一類型彩色圖像來說,較小。 因而,計算時間縮短,從而處理速度相對較快;

缺點: but it ignores the color feature of license plate, when the plate edge of the region extremely rich, it have uneven illumination and have high error rate.

基於人眼的視覺識別,色彩是作為關鍵信息的。也就是說,當我們尋找車牌時,首先是基於顏色的。由於灰度圖像處理忽視的顏色,在複雜背景下進行車牌識別時,會產生很多的干擾輪廓,這對於車牌的識別,容易出現識別錯誤。

b. 基於彩色圖像的車牌識別:

優點:the method based on color image processing, by full use of the color feature of the license plate, consistenting with peoples color perception;

缺點:but the three-dimensional color image processing speed slowly, when the body color closed to the license plate or faded, the recognition rate will decreased, it will need to add

conditions to achieve the precise discrimination positioning.
推薦閱讀:

模式識別學習筆記
如何利用MATLAB快速搭建一個神經網路
模式識別
VOT2017 結果搶先看
深度神經網路(DNN)的反向傳播

TAG:圖片處理 | 車牌 | 模式識別 |