抢保安小哥的饭碗?车牌识别系统使用人工智能学习

40
发表时间:2019-07-22 15:54作者:kdacctv

伟大的使用


2016年,全球汽车总产量达到949.76万辆。随着互联网+、智能交通、智慧城市等概念的普及,车牌检测与识别技术发挥着越来越重要的作用。车辆/进站管理,如社区/学校、停车场出入及收费管理、高速公路自动收费站、超速车辆检测、违章车辆检测、道路交通监控等诸多场合都对车辆牌照识别技术提出了巨大的需求。


车牌识别系统.gif


它是什么?


车牌识别(LPR)是将各种图像处理技术与计算机技术相结合,实时、准确地获取汽车品牌信息的技术。车牌识别的原理是通过摄像头获取车牌信息,然后将其传输到个人电脑上。PC处理??槎猿蹬平衅交?、去噪、边缘检测处理、定位、字符分割和字符识别,将识别到的字符串与数据库中的车牌字符进行匹配,从而获取所需信息。车牌识别一直是人们关注的热点。从网站发布网站的发布情况可以看出,2000年,特别是2016年,车牌识别的研究逐渐增多。


过去和现在


20世纪90年代初,Johnson等人首次提出完整的车牌识别过程应该包括特征提取、模板构建、字符识别三个步骤,从而成功实现了划时代的车牌识别系统。20世纪90年代末,中国开始研究车牌识别系统。在借鉴国外研究成果的基础上,国内研究人员也相应地将其应用于车牌检测与识别算法、车牌字符分割算法和车牌字符识别算法。改进和创新贡献了许多优秀的研究成果。近年来,随着计算机技术的不断发展,越来越多的研究人员开始从车牌的颜色特征中提取车牌。车牌的颜色和字符的颜色是相对固定的,所以车牌颜色的定位是一个很好的方法。在字符识别部分,人工神经网络和支持向量机等机器学习方法越来越受到尊重,可以说它们已经变得越来越智能化。


复杂的环境挑战


车牌识别技术的应用越来越广泛。在享受车牌识别技术带来的便利的同时,也无法避免车牌识别过程中遇到的诸多问题。复杂环境下的车牌检测与识别技术一直是车牌识别的重点和难点?;肪车母丛有灾饕ㄗ匀换肪车母丛有?光线、天气等)、监控场景的复杂性(多牌照共存)、拍摄角度等)、牌照本身的复杂性(色彩、新旧等)。


经过多年的研究和实践,国外已经开发出许多性能优良、系统相对成熟的车牌识别系统。例如,英国IPI公司开发的RTVNP系统,以色列高新技术公司开发的See Car系统,新加坡Optasia公司开发的VLPRS系统等等。由于国内车牌汉字的结构比字母和数字更为复杂,汉字的识别也更加困难。目前,已经有很多科技公司在中国已经成功地开发出一系列车牌识别系统适合中国实际情况的牌照,如火眼睛臻清车牌识别系统,它使用启发式车牌定位算法和大规模神经网络的字符识别算法,可以应用于各种极端的情况下,识别率可以达到99.58%;汉王眼车牌识别系统,其车牌定位率为99%,综合识别率为95%;易于停车的车牌识别系统,最新的字母和数字识别率可达99.7%,汉字识别率可达99%。


深度学习的潜力


得益于大数据、计算能力和算法的跨越式发展,2017年深度学习迎来了新的发展浪潮,其技术革命推动了学术界、产业界、金融界等多个领域的发展。技术的发展。对于车牌识别任务,深度学习利用卷积神经网络良好的特征提取能力,使其具有比传统车牌识别算法更好的识别能力。该算法的应用大大提高了车牌识别的精度。它也取得了前所未有的突破。此外,深度学习还使得车牌识别能够识别小目标和远距离多目标识别成为可能。


website qrcode
关注我们: