浅谈车牌识别系统在智慧城市停车中的深度应用

近几年来，车牌识别的概念被提及的越来越多。面对传统停车业务在飞速发展的城市交通面前暴露出来的停车难、寻车难、效率低下等各种问题，车牌识别系统无疑已成为智能交通行业发展的核心技术。

车牌识别技术简单概括就是基于图像分割和图像识别的技术，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、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算。

车牌识别系统应用在智慧停车领域主要包含出入口车牌识别、场内视频引导、道路停车三大板块，这三大板块也是城市停车整体架构中必不可少的部分。

出入口车牌识别

早期，视频识别引入到停车场出入口领域主要还是靠后端识别，通过前端模拟相机的视频流实时输入后端分析服务器，后端服务器同时接入多路前端相机的视频流，通过服务器自身算法分析最终输出车牌文本信息到平台。

随着智能化程度的前移，网络相机逐渐替代了模拟相机，随之而来的车牌识别技术也集成到前端相机内，车辆进入IPC的识别区域内则触发相机进行抓拍业务和识别业务，同时输出车牌信息，将车牌OSD信息叠加到抓拍图片，这样不但降低了前端设备成本和系统造价，同时还提高了车牌识别速度。

车牌识别的整套识别业务包括图像采集、图像预处理、车牌定位、字符分割、字符识别等环节，最终将车牌识别的结果以文本格式输出或者叠加在抓拍图片上。

• 图像采集：通过IPC对过车或车辆违章行为进行实时、不间断记录、采集。

• 图像预处理：图像预处理是影响车牌识别率高低的关键因素，需要对IPC采集到的原始图像进行噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等处理。

• 车牌定位：图像预处理是影响车牌识别率高低的关键因素，需要对IPC采集到的原始图像进行噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等处理。

• 字符分割：字符分割是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：字符识别是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，然后通过分类判别函数和分类规则，与字符数据库模板中的标准字符表达形式进行匹配判别就可以识别出输入的字符图像。

█ 场内视频引导

场内视频引导技术诞生前，停车场车位引导主要还是以超声波技术来实现，但超声波探测器只能做到一对一检测，且无法做到车辆车牌信息的获取从而实现反向寻车功能;无法实时看到停车画面，而且方案整体施工较为复杂，检测效果对工程施工的依赖性较高。

视频技术场内引导大大提高了整体方案的先进性，大华公司率先推出室内视频车位检测器，基于车牌识别技术、车辆模型检测技术实现对有牌车车牌精准识别和无牌车车位状态准确判断。同时大华公司推出的两车位、三车位以及六车位相机的行业创新产品结合双网口专利技术大大降低了施工复杂成程度和施工成本。

场内引导视频识别技术有别于停车场出入口车牌识别技术，主要区别在于前者是基于静态车辆的车辆模型检测为前提进行车牌识别业务，所以对无牌车的车位状态也能进行准确判断。随着视频技术在场内引导的广泛应用，超声波检测技术逐渐被市场淘汰。

█ 道路停车

国内道路停车业务最早可追溯到1980年代港澳地区的咪表时代，到21世纪初纯人工智能手持终端收费引入，以及2014年以深圳为代表的“地磁+app”模式。随着时间推移，可以发现车牌识别业务也逐渐渗透进来，下面就来回顾一下车牌识别技术在道路停车管理中的应用。

█ 车牌识别的延伸应用

目前，甲方客户的需求呈多样化趋势，已不仅仅局限于对车牌识别的要求以及车身颜色、车标、车型、挂坠、年检标志等和车辆相关的纵向非结构化数据的提取，结合当前移动互联网技术的普及，市场对车牌的横向数据挖掘也有很旺盛的需求，比如车内驾驶员人脸、手机上的二维码等等。