車牌識別的系統框架流程有哪些？
車牌識別的系統框架流程有哪些？
車牌識別系統采用高度模塊化的設計，將車牌識別過程的各個環節作為一個獨立的模塊，其系統框架如下。
1.車輛檢測和跟蹤模塊
車輛檢測與跟蹤模塊主要是分析視頻流，判斷車輛在其中的位置，跟蹤圖像中的車輛，記錄車輛位置好時刻的車輛特寫畫面。由于跟蹤模塊的加入，系統能夠很好的克服各種外界干擾，做出更加合理的識別結果，并且能夠檢測出無牌照車輛并輸出結果。
2.牌照定位模塊
車牌定位模塊是一個很重要的環節，是后續環節的基礎。其精度對整體系統性能有很大影響。該車牌系統完全摒棄了以往的算法思路，實現了一種基于多特征融合的車牌定位新算法，適用于各種復雜背景環境和不同攝像機角度。
3.車牌校正和準確定位模塊
由于拍攝條件的限制，圖像中的車牌總是有一定程度的傾斜，因此需要一個校正和準確定位的環節來進一步提高車牌圖像的質量，為分割識別模塊做準備。通過使用精心設計的快速圖像處理濾波器，不僅計算速度快，而且利用了車牌的整體信息，避免了局部噪聲的影響。這種算法的另一個優點是通過分析幾個中間結果可以準確定位車牌，進一步減少了非車牌區域的影響。
4.車牌分割模塊
車牌系統中的車牌分割模塊利用了車牌字符的灰度、顏色、邊緣分布等特征，可以更好地降低車牌周圍其他噪聲的影響，容忍有一定傾斜角度的車牌。該算法有利于車牌圖像噪聲的應用，如移動檢測。
5.車牌識別模塊
在車牌識別系統中，通常采用多種識別模型的組合來識別車牌，構建一個層次化的字符識別過程，可以有效提高字符識別的正確率。另一方面，在字符識別之前，利用計算機智能算法對字符圖像進行預處理，既能盡可能地保留圖像信息，又能提高圖像質量，提高相似字符的可分辨性，保證字符識別的可靠性。
6.車牌識別結果決策模塊
識別結果決策模塊，具體地，決策模塊利用車牌通過視野過程留下的歷史記錄，對識別結果做出智能決策。通過計算觀察幀數、識別結果穩定性、軌跡穩定性、速度穩定性、平均可靠性和相似度等度量值，可以得到車牌的綜合可靠性評估，從而決定是繼續跟蹤車牌、輸出識別結果還是拒絕結果。該方法綜合利用了所有幀的信息，減少了以往基于單幅圖像的識別算法帶來的偶然誤差，大大提高了系統的識別率和識別結果的正確性和可靠性。
7.牌照跟蹤模塊
車牌跟蹤模塊記錄車輛在行駛過程中每一幀中車牌的位置、外觀、識別結果、可信度等歷史信息。由于車牌跟蹤模塊采用了具有一定容錯能力的運動模型和更新模型，那些被短時間遮擋或瞬間模糊的車牌仍能被正確跟蹤和預測，只輸出一個識別結果。
8.在線學習模塊
在上述模塊中，使用了大量基于學習的算法。系統特別增加了在線學習模塊，采用新的反饋學習模型，利用決策模塊和跟蹤模塊獲得的車牌質量、車輛軌跡、速度等反饋信息，智能更新部分算法參數，使系統快速適應新的應用環境。作為現有算法的有力補充，該算法將進一步提高系統性能。
- 上一篇：導致車牌識別系統無法識別的外部因素有哪些
- 下一篇：哪些地方需要安裝升降柱
