2015深圳安博会看点——火眼臻睛停车场车牌识别 20xx年10月29日-11月1日，20xx年第十五届中国国际公共安全博览会（简称安博会）将在深圳会展中心隆重开幕。作为全球最具规模和影响力的安防产业盛会，有哪些值得我们期待的看点呢？

本届展会展出范围包括视频监控、楼宇对讲、门禁控制、出入口控制、停车场管理等各类安全技术防范产品，以及智能交通、消防、刑侦、反恐、安检、等公共安全类产品。

在这么多种类中我们目光如何锁定呢？我们先看看出入口控制中的大品牌，曾在“第五届中国安防企业知名度品牌评选”颁奖典礼上荣获“全国出入口控制十强”的火眼臻睛车牌识别系统也将带着产品在7号馆7B20展位亮相。

此次展会中，火眼臻睛车牌识别系统将带着车牌识别一体机和车牌识别SDK亮相展会。作为一款专门适用于停车场的车牌识别系统，火眼臻睛车牌识别系统的综合识别率高达99.58%。其核心特色包括(1)嵌入式车牌识别算法；（2）优异的成像自动控制；（3）可脱机运行；（4）无车牌车辆智能处理。

展会期间火眼臻睛也将在7号馆7B20展厅安装轨道车，车牌识别一体机并连接到PC机，现场模拟停车场车辆进出时的场景，为客户直观地展示了一体机对多样车牌的识别和抓拍效果，并且直接在PC端看到实时的识别输出结果。届时欢迎各位参展宾客到7号馆7B20展位亲眼见证火眼臻睛车牌识别一体机的识

别效果。

 

第二篇：停车场车牌识别应用

停车场车牌识别应用

一个完整的车牌识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。

1.车辆检测

车辆检测可以采用埋地感线圈检测、红外检测、雷达检测、虚拟线圈、视频检测等多种方式。采用虚拟线圈和视频检测检测可以避免破坏路面、不必附加外部检测设备、节省开支，而且更适合移动式、便携式应用的要求。

基于虚拟线圈的方式通过在视野范围内设置一个类似于地感线圈功能的区域,通过计算该区域内的灰度(或颜色)的变化而判断是否有车辆进入到区域中,当发现有车辆时启动触发。目前,基于虚拟线圈的方法是采用自触发机制的车牌识别产品中较为常用的两种方法之一(另一种是车牌触发)，火眼臻睛的车牌识别就推荐使用虚拟线圈替代真实地感，也不用再对地面进行切割。这种方法工作原理比较简单,运算也并不复杂,能做到触发及时,触发时车辆位置相对比较准确,同时,由于其触发的信息来源是车辆本身,而非车牌,因此对于不悬挂车牌的车辆同样能完成有效触发抓拍。

具备视频车辆检测功能的牌照识别系统，首先对视频信号中的一帧(场)的信号进行图像采集，数字化，得到对应的数字图像;然后对其进行分析，判断其中是否有车辆;若认为有车辆通行，则进入到下一步进行牌照识别;否则继续采集视频信号，进行处理。

系统进行视频车辆检测，需要具备很高的处理速度并采用优秀的算法，在基本不丢帧的情况下实现图像采集、处理。若处理速度慢，则导致丢帧，使系统无法正确检测到行驶速度较快的车辆，同时也难以保证在有利于识别的位置开始识别处理，影响系统识别率。因此，将视频车辆检测与牌照自动识别相结合具备一定的技术难度。

现在的车牌识别系统大多提供多个触发方式，下图为火眼臻睛车牌识别触发方式的一个设置界面，里面有稳定结果触发（即视频触发）、手动触发、虚拟线圈触发、外部输入触发（可设置成地感触发）。

停车场火眼臻睛车牌识别系统应用

2.牌照号码、颜色识别

为了进行牌照识别，需要以下几个基本的步骤：

牌照定位，定位图片中的牌照位置;

牌照字符分割，把牌照中的字符分割出来;

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。

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

(1)牌照定位

自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。

(2)牌照字符分割

完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。

停车场火眼臻睛车牌识别系统应用

(3)牌照字符识别

字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。

实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等;实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识

别。

停车场火眼臻睛车牌识别系统应用