¿Cuál es el principio del reconocimiento automático de matrículas?

La tecnología de reconocimiento automático de matrículas es una tecnología de reconocimiento de patrones que utiliza vídeos dinámicos o imágenes estáticas de vehículos para identificar automáticamente los números y colores de las matrículas. Mediante la recopilación y el procesamiento de imágenes, se puede completar la función de reconocimiento automático de matrículas, la imagen de la matrícula se extrae automáticamente de una imagen, los caracteres se segmentan automáticamente y luego se reconocen. Su base de hardware generalmente incluye equipos de activación (que monitorean si un vehículo entra en el campo de visión), equipos de cámara, equipos de iluminación, equipos de adquisición de imágenes y un procesador (como una computadora) que reconoce los números de matrícula. Su núcleo de software incluye las matrículas. algoritmos de posicionamiento, algoritmos de segmentación de caracteres de matrículas y algoritmos de reconocimiento de caracteres. Algunos sistemas de reconocimiento de matrículas también tienen la función de identificar los vehículos que ingresan al campo de visión a través de imágenes de video, lo que se denomina detección de vehículos por video. Un sistema completo de reconocimiento de matrículas debe incluir detección de vehículos, recopilación de imágenes, reconocimiento de matrículas, etc. Cuando la parte de detección de vehículos detecta la llegada de un vehículo, activa la unidad de adquisición de imágenes para adquirir la imagen de vídeo actual. La unidad de reconocimiento de matrículas procesa la imagen, localiza la posición de la matrícula, luego segmenta y reconoce los caracteres de la matrícula y luego genera el número de matrícula.

El sistema de gestión de estacionamientos con reconocimiento de matrículas reconoce automáticamente la imagen del número de matrícula del vehículo capturada por la cámara en la entrada y la convierte en una señal digital. La ventaja de realizar una tarjeta y un automóvil es que el reconocimiento de matrículas puede hacer coincidir la tarjeta con el automóvil, de modo que la gestión se puede mejorar a un nivel superior. La ventaja de la correspondencia tarjeta en automóvil es que la tarjeta de alquiler a largo plazo debe usarse con el automóvil, lo que elimina las lagunas del uso de una tarjeta para varios vehículos y mejora la eficiencia de la administración de propiedades. Al mismo tiempo, compara automáticamente los vehículos que entran y salen para evitar robos. El sistema de cámara mejorado puede capturar imágenes más claras y guardarlas como archivos, lo que puede proporcionar pruebas sólidas para algunas disputas. Es conveniente para los gerentes comparar vehículos al abandonar la escena, lo que mejora enormemente la seguridad del sistema.

1. Detección de vehículos

La detección de vehículos puede utilizar una variedad de métodos, como detección de bobina enterrada, detección de infrarrojos, detección de radar, detección de video, etc. El uso de la detección por video puede evitar dañar la superficie de la carretera, eliminando la necesidad de equipos de detección externos adicionales y corrigiendo la posición del gatillo, ahorrando dinero y es más adecuado para aplicaciones móviles y portátiles.

El sistema de reconocimiento de matrículas con función de detección de vehículos por video primero recopila la señal de un cuadro (campo) en la señal de video y la digitaliza para obtener la imagen digital correspondiente, luego analiza y determina si hay un vehículo; en el interior, si se considera que hay tráfico, continúe con el siguiente paso de reconocimiento de matrículas; de lo contrario, continúe recopilando señales de video para su procesamiento;

Para la detección de vehículos por vídeo, el sistema requiere una alta velocidad de procesamiento y excelentes algoritmos para lograr la adquisición y el procesamiento de imágenes sin perder fotogramas. Si la velocidad de procesamiento es lenta, provocará una pérdida de cuadro, lo que hará que el sistema no pueda detectar correctamente los vehículos que se mueven rápidamente. También es difícil garantizar que el procesamiento de reconocimiento comience en una posición propicia para el reconocimiento, lo que afectará la tasa de reconocimiento del vehículo. sistema. Por lo tanto, es técnicamente difícil combinar la detección de vehículos por vídeo con el reconocimiento automático de matrículas.

2. Número de matrícula y reconocimiento de color

Para realizar el reconocimiento de matrículas se requieren los siguientes pasos básicos:

? Posicionamiento de la matrícula, ubique la posición de la matrícula en la imagen;

? Segmentación de caracteres de matrícula, separar los caracteres de la matrícula;

? El reconocimiento de caracteres de matrícula reconoce los caracteres separados y finalmente forma el número de matrícula.

En el proceso de reconocimiento de matrículas, el reconocimiento del color de las matrículas se basa en diferentes algoritmos y se puede implementar en los diferentes pasos mencionados anteriormente. Por lo general, coopera con el reconocimiento de matrículas y se verifica entre sí.

(1) Posicionamiento de las matrículas

En el entorno natural, el fondo de las imágenes de los automóviles es complejo y la iluminación es desigual. Cómo determinar con precisión el área de la matrícula en el fondo natural es la clave de todo el proceso de reconocimiento. Primero, realice una búsqueda a gran escala en las imágenes de video recopiladas para encontrar varias áreas que coincidan con las características de la matrícula del automóvil como áreas candidatas. Luego, estas áreas candidatas se analizan y juzgan más a fondo, y finalmente se selecciona la mejor área como el área de la matrícula y se separa de la imagen.

(2) Segmentación de caracteres de la matrícula

Una vez posicionada el área de la matrícula, el área de la matrícula se divide en caracteres individuales y luego se reconoce. La segmentación de caracteres generalmente utiliza el método de proyección vertical.

Debido a que la proyección de caracteres en la dirección vertical inevitablemente estará cerca del mínimo local en el espacio entre caracteres o dentro de los caracteres, y esta posición debe cumplir algunas condiciones, como el formato de escritura de caracteres, los caracteres y las restricciones de tamaño de la matrícula. . El método de proyección vertical tiene un buen efecto en la segmentación de caracteres en imágenes de automóviles en entornos complejos.

(3) Reconocimiento de caracteres de matrículas

En la actualidad, los principales métodos de reconocimiento de caracteres incluyen el algoritmo de coincidencia de plantillas y el algoritmo de red neuronal artificial. El algoritmo de coincidencia basado en plantillas primero binariza los caracteres segmentados, escala su tamaño al tamaño de la plantilla en la base de datos de caracteres, luego hace coincidir todas las plantillas y finalmente selecciona la mejor coincidencia como resultado. Hay dos algoritmos basados ​​​​en redes neuronales artificiales: uno es extraer primero las características de los caracteres que se van a reconocer y luego usar las características obtenidas para entrenar el asignador de redes neuronales; el otro es ingresar directamente la imagen que se procesará en el; red, y la red implementa automáticamente las funciones Extraer hasta que se reconoce el resultado.

En aplicaciones prácticas, la tasa de reconocimiento del sistema de reconocimiento de matrículas está estrechamente relacionada con la calidad de la matrícula y la calidad del disparo. La calidad de las matrículas se verá afectada por varios factores, como óxido, manchas, pintura descascarada, fuentes descoloridas, matrículas bloqueadas, matrículas inclinadas, reflejos de alto brillo, matrículas múltiples, matrículas falsas, etc. El proceso de disparo real también se verá afectado por factores como el brillo ambiental, el brillo del disparo y la velocidad del vehículo. Estos factores reducen la tasa de reconocimiento de matrículas en diversos grados, lo que también constituye la dificultad y el desafío del sistema de reconocimiento de matrículas. Para mejorar la tasa de reconocimiento, además de mejorar constantemente el algoritmo de reconocimiento, también debemos encontrar formas de superar diversas condiciones de iluminación para que las imágenes recopiladas sean más propicias para el reconocimiento.