車牌識別(LPR)交通領(lǐng)域的視頻監(jiān)控系統(tǒng)是較為高端的,其技術(shù)升級也上日新月異的。
車輛檢測和跟蹤:將畫面中的車輛從背景中分割出來并予以跟蹤,從而明確每一輛需要進行車牌檢測的車輛實體。要解決由于光照的變化、背景混亂運動的干擾、運動目標的影子、攝像機的抖動以及車輛目標的自遮擋和互遮擋等影響。內(nèi)建ARM的SoC其LPR可達到“后向”和“前向”兩種位移模式的分別處理。在這個階段,車輛檢測率效果已可達到99.6%的水平,而重復率低于0.2%。
車牌檢測:車牌檢測是最重要的LPR環(huán)節(jié),其后的辨識效果,與此部分數(shù)據(jù)提取正確率的歸一相關(guān)系數(shù),是所有環(huán)節(jié)中最大的。在有車燈、尾燈、柵格等干擾圖像的影響下,準確提取車牌并將其邊緣準確切割是算法的重要能力。支持SoC的LPR已能使用邊沿檢測、正負線檢測、旋轉(zhuǎn)糾偏、角點檢測等手段,使得車牌邊沿的切割移位率,降低到3%的極值,為下一步的分析提供了可靠的數(shù)據(jù)源。
字元分割:要將需要辨識的字符目標從車牌中擷取出來??紤]到車牌種類的不同,這一步驟實際要求算法對不同種類的車牌自動適應(yīng)并提取。以臺灣車牌為例,舊式車牌中存在的4、5、6位數(shù)的車牌,以及新式車牌的7位數(shù)標準車牌,就需要算法自動判別篩選和擷取。此外,摩托車和大型車車牌長寬比上的較大區(qū)別,也是LPR技術(shù)必須解決的問題。典型支持ARM的LPR解決方案是基于內(nèi)部字符角點的聚合特征,和字符間留白的線特征,自動制表符區(qū)域予以提取。當前擷取的正確率可達99.4%~99.8%之間。
字符識別:不同地區(qū)和國家的車牌字符字體不一。據(jù)了解,內(nèi)建ARM的SoC其LPR方案當前可支持的字符包括26個英文大寫字母、10個阿拉伯數(shù)字,和中國地區(qū)72個車牌類屬標記字;擁有巨量的車牌庫是這一環(huán)節(jié)準確率的保證。例如市面找得到有IMP-LPR所采用的是經(jīng)典的圖像增強加SVM模式進行識別,對特殊易混淆的字符,采用專門的分析算法予以針對性的區(qū)分,甚至特殊采用逆向金字塔方法,提取每一個字符的識別結(jié)果概率。透過這些方式產(chǎn)生的首選答案輸出結(jié)果,正確率穩(wěn)定在98%以上。
規(guī)則輸出:不同國家和地區(qū)的車牌,其制式上字符位置和可選范圍具有明確的定義,能用以提高整體車牌的準確率。以臺灣新7位車牌為例,利用前3后4的結(jié)構(gòu),可以明確將識別結(jié)果中,首選答案中不符車牌制式規(guī)則的錯誤糾正過來。SoC的LPR方案也可考慮這一實際有效的方式,在程序架構(gòu)上,允許外部依據(jù)車牌制式的概率,制定糾錯輸出的規(guī)則。采用這樣的規(guī)則,能成功使其在臺灣的車牌辨識率提升0.6%~0.8%。