技术：移动端车牌识别软件——解析算法

Posted 2021-01-05 0002dk

随着科技的进步，目前在： ☆停车管理  ☆移动警务  ☆车辆保险  ☆汽车服务等行业也在积极的应用移动端车牌识别软件进行行业管理，包括针对行业开发一些功能性的应用。

像咱们现在会遇到的最常见的：警务通执法、清收车辆、拖车服务、汽车保险都离不开咱们的汽车名片：车牌识别。

1.首先我们一起了解一下移动端车牌识别的流程

话说到移动端车牌识别技术，该技术是一种基于咱们的OCR识别的技术为核心拓展的应用。OCR移动端车牌识别过程中主要包含五个步骤，其中包括图像采集、图像预处理、车牌定位、字符分割、字符识别、输出结果等一系列计算机算法运算，其流程图如下：

第一步【车牌图像采集】：此步骤通过前端采集视频流数据，再通过硬件或软件对视频流进行进行解帧识别（常见的车牌识别一体机为硬识别，移动端设备往往通过软件识别，为软识别），移动端车牌识别的识别速度为毫秒级别，相较于大家平时用的手机扫码，移动端车牌识别的识别速度更为快速。在视频模式下采集图像时，移动端车牌识别会自动触发，无需外接信号。

第二步【算法预处理】：一般会根据对现场环境和已经拍摄到的图像的分析得出结论，实现相机的自动逆光处理、自动白平衡处理、自动曝光处理、自动过爆处理等，并对图像进行图像缩放、噪声过滤、对比度增强等处理。

第三步【需识别车牌定位】：对车牌的的定位一般会依据所采集的图像中纹理特征、颜色特征和形状特征等信息，采用投影分析、连通域分析、机器学习等算法检测车牌。

第四步【OCR字符分割】：字符分割的主要思路是，基于车牌的二值化结果或边缘提取结果，利用字符的结构特征、字符间的相似性、字符间间隔等信息，一方面把单个字符分别提取出来，也包括粘连和断裂字符等特殊情况的处理；另一方面把宽、高相似的字符归为一类从而去除车牌边框以及一些小的噪声。一般采用的算法有：投影分析、连通域分析，字符聚类和模板匹配等。

第五步【OCR字符识别】：当前成熟应用的字符识别算法有：模板匹配法、人工神经网络法、支持向量机法和Adaboost分类法等。经过机器学习或与字符数据库模板进行匹配，最后选取匹配度最高的结果以输出。

二、移动端车牌识别技术参数

 

支持平台	android4.0 以上、ios7.0 以上
支持二次开发	提供 Android 开发 JAR 包，iOS 平台.a 静态库开发包
车牌识别识别模式	视频预览识别模式
车牌识别种类	普通蓝牌、黄牌(双层)、军牌（双）、武警牌（双）、警 牌、新能源车牌等
识别准确率	识别准确率≥98%
识别速度	识别时间＜1 秒