淺談智能監控裝置車牌識別

商建波

摘 要：車牌識別技術是構成交通系統智能化和現代化的關鍵因素，其能為交通管理提供切實可靠的依據。本文在闡述車牌識別技術原理的基礎上，就智能監控裝置車牌識別技術的類型展開分析，同時指出智能監控裝置車牌識別的應用過程。期望能進一步提升智能監控裝置車牌識別技術應用水平，進而實現交通安全的有效保證。

關鍵詞：智能交通;監控裝置;車牌識別

新經濟形態下，我國國民經濟獲得了快速發展，居民擁有汽車的數量持續增加，這在方便人們出行的同時，也帶來了一定的交通管理問題。良好的交通是國民文明的標志，也是人們安全出行的重要保障;基于此，智能監控裝置車牌識別技術在交通安全管理中得以深入應用;本文就該技術的應用過程及要點展開分析。

一、車牌識別技術原理

車牌識別技術是發展現代智能交通的重要支撐，其在數字攝像技術的支撐下，融合使用計算機信息處理、圖像處理、模式識別和人工智能技術，進而實現車輛類型的識別和車牌字符識別[1]。在具體識別中，道路工程兩側設置監控攝像機均自帶數字攝像技術，該技術能夠快速化、遠程化的對車牌信息進行采集獲取，然后將采集的信息傳輸到信息處理系統，最終實現車輛的數量、車牌信息、行駛速度的準確記錄和檢測。

二、智能監控裝置車牌識別的類型

1、智能監控裝置車牌結構模式識別

智能監控裝置車牌識別技術應用中，字符識別是極為重要的一個環節，能在字符之間筆畫和偏旁關系分析的基礎上，分析字體的變化差異，最終達到車牌識別的目的。在結構模式識別中，需注重外力因素的有效管理，如當車牌字體傾斜、斷裂，紙張污漬或字符粘連時，車牌識別結果的準確性就會有所降低，受這一缺陷影響，結構模式識別在當前車牌識別中的應用范圍逐漸縮小。

2、智能監控裝置車牌統計模式識別

2.1模板匹配識別

作為一種快速化的車牌識別技術，模板匹配識別以字符圖像為基本參考依據，然后對照字庫模板，選擇相似度最高的模板作為字符識別結果[2]。該識別方式具有操作簡單、效率高的特點，然當字體基本相同時，受自身難以細化分析的影響，模板匹配識別的精度會有所降低。

2.2變換特征識別法

相比于模板識別，變換特征識別法的應用過程較為復雜;在車牌識別過程中，其需要通過一系列的手段來降低字符的特征維數，通常二進制變換是較為常用的降維手段。該過程中，字符的變化并非固定不變的，所以其會導致識別自行與原字形之間出現較大誤差。

2.3投影直方圖和幾何矩識別

幾何矩識別過程中，矩不變量是字符識別的主要依據，在具體識別中，其線性變換條件變化過程難度較大，然識別過程抗感染鞥能力較強，而且通過“矩”得到的識別結果具有一定的穩定性、可靠性。

3、智能監控裝置車牌的人工神經網絡模式識別

人工神經網絡模式是一種全新化的車牌識別技術;與傳統車牌識別技術相比，其具有識別速度快、分類能力強、識別率高的特點，同時就容錯率、數據處理能力、自學能力而言，其具有較為他突出的優勢。從識別過程來看，人工神經網絡模式能將車牌的字符、符號以點陣形式傳輸到神經元系統，然后由計算機系統進行字符分析識別，這有效地避免了個人主觀判斷對字符提取工作準確性的干擾，確保了車牌識別的效率性、準確性。

三、智能監控裝置車牌識別技術的應用過程

1、基于車牌識別的車輛運動目標檢測

運動目標檢測是車牌圖像分析和圖像識別的基礎。交通系統安全管理中，對于車輛運動目標偶的檢測主要是通過固定攝像頭來實現的。在該過程中，固定攝像頭所獲得背景是相對靜止的，通過分割方法把出現的車輛分割出當前背景即可進行有效識別，具體而言，其識別過程包含了監控獲取圖像、圖像預處理、形成背景、車輛檢測、虛影/陰影去除等諸多環節。現階段，光流場法、幀間差分法、背景減法事故車輛運動目標檢測的常用方式，光流場法通過對運動場視頻序列進行估算，實現前景與背景的分類;而在幀間差分法應用中，不僅需考慮視頻序列問題，還需對圖像中的時間要素進行統籌;此外，背景減法通過時間、空間兩個要素來完成圖像前后景的分離。交通系統管理中，智能監控裝置車牌識別系統會在這些目標檢測方式的支撐下，完成車輛的跟蹤、分類和檢測。

2、基于車牌識別的車輛運動目標追蹤

模型追蹤、活動輪廓追蹤、區域追蹤是較為常見的車輛運動目標追蹤方式[3]。就模型追蹤而言，其需要對車輛一維、二維、三維的幾何信息進行獲取，從中分析物體運動狀態，其雖然具有較高的追蹤效果，然運算量較大，反饋延遲相對交通。活動輪廓追蹤中，車輛初始建模難度較大，然而其追蹤時效性較強，計算過程簡單。此外，區域追蹤是當前較為常用的追蹤手段，其適用于車輛數量較少的情況。需注意的是，為進一步提升車輛運動目標追蹤質量，當前還興起了一種基于特征的跟蹤方法。其能對特征點、線或是面等子特征進行追蹤，確保了追蹤的高效性，在該方法應用中，需考慮多個車輛與目標車輛同時出現時，人們該如何考慮目標車輛子特征這一問題。

3、基于車牌識別的車輛運動目標分類

現階段，對車輛運動目標分類包含了形狀特征分類和運動特征分類中方法;前者考慮車輛散度、面積、長度和寬度等特征信息，而后者考慮車輛的運動狀態和特征。需注意的是，當前運動車輛目標分類方式較為繁雜，部分車輛運動目標分類方式需要考慮模型求解問題;對此，可將其轉化為二次型優化問題，以此來使得分類過程得以優化。

結論

智能監控裝置車牌識別對于交通安全具有較大影響。城市化背景下，交通管理部門只有充分認識到智能監控裝置車牌識別技術的原理和應用價值，并在了解各識別技術特征優勢的同事，進行車輛信息的全面追蹤，才能有效地提升智能監控裝置車牌識別技術的應用水平，進而創造安全可靠的交通環境，確保人們出行的安全性。

參考文獻

[1] 郝芯，吳翠紅，張廣杰，等.智能監控裝置車牌識別技術研究[J].湖北農機化，2019（15）：96-97.

[2] 尚金生.智能交通中的視頻圖像處理技術分析[J].現代信息科技，2019，3（14）：86-88.

[3] 曹晶.新形勢下智能交通系統中的車牌識別技術研究[J].通訊世界，2016（08）：272-273.