新型车牌自动识别系统的研究和应用现状

在整车图像里实现精准的车牌检测至关重要。印度Savitribai Phule Pune大学最近进行的一项研究强调，传统的1024x768分辨率图像中包含786,432个像素，其中车牌本身仅占了10％。ANPR技术极大降低了车牌相关数据提取所需的复杂算法，减少了后续计算的成本和时间。

车牌识别系统涉及到边缘检测技术。它通过使用数字工具来识别图像中存在的不连续点或像素强度的变化，将这些点连接起来，然后将结果与可识别的传统形状进行比较，在此过程中，它会过滤掉不相关的信息，同时保留最关键的结构属性并增强特定功能，从而得出准确的车牌信息。

英国赫特福德大学最近正在进行一项边缘检测专用算法的研究，通过与连通分量相结合，实现车牌所有像素组合彼此接触。该方法使用数字信号处理器进行操作，极大提高了实时车牌检测率，降低错误识别率和时间成本。

在上面两张图像中，右侧绿色矩形表示由IntelliVision软件检测到的车牌，包括利用了边缘检测技术提取到的字符和水平显示的堆叠字母。左侧被掩盖的区域标志可能会导致与初始特征混淆。

研究人员使用了45,000张号牌图像作为样本，测试该系统在时速高达125公里/小时繁忙道路上的应用情况。结果表明，目前的研究确实难以找到确保检测率100％的单一算法，这需要更多的研究工作和技术手段来消除产生部分误读或完全失败的确切影响。（见表2）。

资料来源：赫特福德大学

在全球范围内，每个国家或地区的车牌都有自己独特的格式标准，包括车牌号码的字体，安装位置，间距标准等等，这些都增加了车牌检测的难度。

即使人眼可以完全读取的车牌号码，也可能存在系统无法检测的车牌。即便如此，ANPR系统供应商也有先进的技术解决方案来保证车牌检测和识别的高精度。常用的解决方案是利用边缘检测技术来简化车牌检测后处理的整个过程。新型ANPR系统可在车辆停止移动或移动速度低于24km/h的情况下完成车牌检测工作。总部位于加利福尼亚的IntelliVision被评为2017年度安全情报和视频分析企业标杆。IntelliVision营销经理Lacey-Thompson说，“我们的摄像机可以将所有检测到的重要数据都嵌入到标准芯片组中，并传输至后台处理中心。”

在车辆行驶速度更快的情况下，普通ANPR系统的中央服务器（理想情况下是图形处理单元）会承受更大的压力。新型ANPR系统结合了深度学习和机器学习技术，在美国和其他国家实现了99％的检测率。该系统在数千张印版图像上进行测试，解决了光线弱或恶劣天气下，不规则格式的车牌检测问题。

几乎很多ANPR系统供应商没有注意到一个细节，就是车牌安装问题。英国对此进行了为期两个月的研究，在测试车牌英文字母'U'内安装了标准尺寸的固定螺钉，当车辆经过时，他们发现，系统产生了近1000次捕获，误读率为28.5％，远高于所有其他因素（见表1） 。如果使用较小直径的防篡改安全螺钉进行更换的话，那么可将螺钉占用的固定面积减少75％，并将误读率降至0.3％ ，此外还可提供更高的安全性。 Lacy-Thompson坚称：“我们的系统可自动忽略虚假标记和固定螺丝。”

还有一个问题，车牌安装时，逆向反射材料吸收固定粘合剂后是否会影响图像质量。 Hills Numberplates集团出口总监Chris Glendinning表示：“ANPR系统在各个市场上的依赖程度越来越高。如果车牌在物理上难以识别或者存在伪造或克隆的高风险，即使是行业领先的检测系统也会受到严重影响。这也说明了车牌供应商在供应链中保证安全和质量控制的重要性，从原材料到在制造过程中以及将完成的车牌交付给最终用户。如果国家监管部门加强对这个过程的应用，那么这个问题将会得到有效控制。“

目前，赫特福德大学已将制造业确定为未来研究的关键领域，同时，各国立法机构也将采取相应的政策。

在一般的停车应用场景中，传统ANPR系统通常可以检测并正确识别大约97％的车辆。然而，系统检测率达到最高水平可确保运营商达到最大收入（以及票据错误风险最小化）。其中一种提高检测成功率的解决方案是将标准ANPR数据与其他车辆探测器的相结合，这些探测器也可以安装在摄像机内，例如，利用边缘检测技术来捕获可疑车辆的图像和位置。该系统还可以传输车牌信息的相关证据，用于执法准备。

2017年6月，瑞典公司TagMaster在北美市场推出了CitySync 50系列摄像机。从经济效益的角度来分析，该系统每天在停车场可以捕获到50万次车牌通过。该公司表示其ANPR系统可同时捕获汽车前后的车牌图像，然后合并起来进行分析。同时，分析出每天1万次违规逃费行为。如果没有这项技术，很可能会错过150辆违规操作的车辆（约占每日总量的3％）。假设违规行为罚款90欧元，那么每天可能会造成13500欧元的损失。考虑到额外的经济问题，这为车辆检测的技术支持提供了令人信服的理由。