课程：

• 1、在车牌识别中当前最先进的车牌定位方法有哪
• 2、为什么交警的摄像头能抓拍到车牌
• 3、车牌识别系统识别车牌号的原理是什么呢？
• 4、车牌识别技术种类？
• 5、在车牌识别中当前最先进的车牌定位方法有哪些
• 6、车牌自动识别能快速准确的识别车牌是什么原理?

在车牌识别中当前最先进的车牌定位方法有哪

从根本上讲，车牌定位的算法分为三类，一类是基于边缘的，一类是基于颜色的，一类是基于机器学习的，从实验结果可看出，基于边缘的最简单也最有效，如果对于收费站和小区的应用，做到99%以上的检测率不是件难事，但如果场景复杂一点，误检会比较多，但并不会漏掉真正的车牌，只是虚警率高点，可以通过先验知识、颜色和后面的分割加以去除，误检不是重点。基于颜色的定位算法，从根本上讲也可以算是基于边缘的一种，无非是利用彩色边缘或者灰度图像边缘和颜色一起来定位，基于颜色的车牌定位算法用于高清图片效果不错，对于一般的场景我认为没必要用颜色进行定位，但初期用颜色先去除一些明显不是车牌的区域还是比较有效的。基于机器学习的算法进行车牌定位或者说检测，关键是找到好的特征和好的训练方法，不少人利用adaboost+haar特征进行车牌检测，从我的实验结果来看，检测率也能达到99%以上，但同时虚警率也非常高，会出现很多误检，而且很难把车牌的区域完整的检测出来，所以如果单独要用机器学习的算法还是不太可行，不过可以先利用边缘信息找到候选区域，然后用adaboost去去除非车牌区域，这个效果还是蛮不错的。

对于边缘的检测，如果车牌在图像中占的比例不是很小，普通的差分和全局二值化就可以达到很好的效果，如果对于高清图像（譬如要检测几个车道）或者场景很复杂，导致车牌所占图像的比例很小，还有就是车牌处于比较暗的地方，而整个场景很亮，这个时候差分得到的边缘就不会很丰富，如果利用全局二值化就可能导致车牌区域检测不到边缘，解决办法一就是对图像进行灰度拉伸或增强，解决办法二就是换边缘检测的方法（譬如sobel），解决办法三就是改进二值化的方法。对于图像增强的方法我要特别提一下直方图均衡化，很多论文上都会说对输入图片先进行直方图均衡化，但我的实验发现，晚上的图片如果进行直方图均衡化操作后会导致噪点特别多，而且可能会导致车牌区域检测不到边缘，总之图像增强是一把双刃剑，需要慎重考虑。

如果利用边缘进行定位，关键是要想办法一定要检测出车牌区域的边缘。

总结一下车牌定位，利用边缘是王道，可以先粗检再精检，颜色可以用于精定位和去除误检，机器学习如果想要好的结果得需要好的特征，但目前好像还没有。我个人认为车牌定位的难点不在于找到车牌区域，而在于怎么对车牌区域进行更精确的定位，而精定位的难点在于左右精定位，以便于后面的分割算法。

为什么交警的摄像头能抓拍到车牌

交警摄像头抓拍原理：

1、线圈触发：在地面上预埋线圈，利用汽车通过地面时电感线圈的电流变化从而触发相机进行拍照。这是一项需要动土的工程。

2、雷达触发，路面上的L型杆子有相机和雷达同时存在，车辆开过，雷达检测到车辆，从而触发相机进行拍摄。这是一项经常把人闪瞎眼的工程。

3、相机直接做视频分析（根据车牌做跟踪轨迹），这类相机直接在视频上可以划分车道和设置车道运行规则，相机直接做视频分析进行抓拍。这是一项看上去很深奥的工程。

扩展资料：

摄像头人工识别：

千万不要以为人工识别落后，其实它是非常常见的。人工识别一般用于非机动车道上的违规抓拍，现在有一些重点路口升级改造，安装了 “高清球机”，在全天候或者在特定的时间段，进行持续性的监控和抓拍，就需要人工进行识别。

人工识别的方式很简单，一般是模拟球机设备搭配硬盘录像机，可实现远程控制角度变焦变倍，几乎无延迟。

参考资料来源：凤凰网-遮挡车牌上这个位置就可以躲避电子眼的抓拍，真的假的？

车牌识别系统识别车牌号的原理是什么呢？

为了进行车牌识别，需要以下几个基本的步骤：

1)牌照定位，定位图片中的牌照位置；

2)牌照字符分割，把牌照中的字符分割出来；

3)牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。

车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。

车牌识别技术种类？

车牌识别技术的原理都是一样的，具体流程如下：图像捕捉与获取、车牌定位、字符分割

字符识别、输出结果。不一样的是在上述环节中采用不同的技术，比如作为核心技术的车牌定位，

就可能用到(1)自适应边界搜索法、(2)区域生长法、(3)灰度图像数学形态学运算法、

(4)基于字符串特征增强的分割方法、(5)模糊聚类法、(6)基于灰度图的车牌定位和分割法、

(7)DFT变换法等等。这些技术本身都不难，难的是如何根据具体的现场环境，选择最具针对性的

算法。以国内最领先的火眼臻睛车牌识别系统为例，他们采用一种叫启发式自适应融合定位算法，

也就是不仅仅利用单一一种定位方法，算法内部对场景分类，然后针对不同的场景选择一种或者

多种算法，以保证算法效果。核心技术倒不在定位算法本身，而是“启发”、“自适应”与“融合”，

这反而比定位算法本身更加复杂。未来会出现更加智能化的车牌识别。

在车牌识别中当前最先进的车牌定位方法有哪些

1) 基于车牌图像色彩信息定位法[12]。我国车牌主要由四种类型组成:蓝底白字、黄底

黑字、白底红字和黑底白字。根据车牌底色信息可以准确地定位出车牌的边界。该方法识别滤高、适应性强，但易受光照条件和背景干扰且运算量一般较大，不适合用于实时性要求高的环境中。

2) 基于边缘检测的定位法[13]。 车牌字符区域灰度频率变化是车牌区域最稳定的特

征，可以利用它的变化来进行车牌定位。首先对车辆图像进行增强，然后再进行边缘提取，最后利用水平扫描线等方法进行车牌区域的检测。该类方法的定位准确率较高，反映时间快，能有效去掉噪声，适合于背景较复杂的车辆图像。但是对车牌严重褪色的情况，由于检测不到字符笔画的边缘会导致定位失败。

3) 基于车牌几何特征车定位法[14]。我国车牌标准外轮廓尺寸为440*140且为矩形，

整个车牌的宽高比近似为3: 1。利用这种固有特征进行车牌边框提取车牌。这类方法只在车牌位置基本保持水平，同时边框清晰明显时才有效，但若车牌本身的边框是断裂，残缺的或采集到的图像偏离水平角度较大，都会影响定位的准确性，故使用范围较窄。

4) 基于频谱分析的车牌定位法[15]。该类方法将图像从空间域变换到频率域进行分析，

如DFT变换法和采用小波变换法等。小波分析可以在不同的分辨率层次上对图像进行分割，在低分辨率层次上进行粗分割，这样节约时间同时为细分割缩小检测范围。而在高分辨率层次上实现车牌区域的准确定位。但当车辆图像中存在燥声时，会对准确识别车牌区域带来很大的干扰，影响车牌定位的准确性。

车牌自动识别能快速准确的识别车牌是什么原理?

车牌自动识别原理基本是经过车牌捕捉、定位、截取、二值化、字符切分，最后车牌OCR识别、结果输出，一般还会有字符识别后处理等几个步骤，这几个步骤要协调处理才行，还要使用各种情况，比如，雨雪天气、反光、阴阳车牌、晚上补光、污损车牌等具体实际情况进行各种优化，才能得到一个完美的车牌识别算法，如果做论文，可以直接用开源的一些东西去完善，如果实际应用，可以用商用的车牌OCR识别产品。

启智畅想车牌识别SDK特点：1、毫秒级识别车牌，彻底解决手工输入痛点，快速、准确；2、手机相机视频预览识别车牌，可提供安卓、ISO、Windows、Linux等系统识别，支持移动设备离线识别以及电脑客户端、服务器端识别；3、支持识别的车牌种类多，蓝牌、黄牌、新能源车牌均可识别，4、复杂场景车牌均可识别，适应性强，白天晚上、远距离、大角度都能快速准确的识别车牌；5、车牌识别SDK开发部整体不超过500K，识别率高达99%；