引言
　　
　　智能交通系統（簡稱ITS）作為平安城市、智慧城市的重要組成部分，正在各大城市興起并加速發展，ITS所管理的主要對象就是車輛，在目前車輛管制體系下，汽車牌照號碼即車牌是標識車輛的*身份識別（注：雖然RFID等技術也可以識別車輛，但尚未推廣到整個車輛管理體系，且需要車輛加以改裝，目前不具備普適性），車牌自動識別技術可以在汽車不作任何改動的情況下實現汽車身份的自動登記及驗證，所以車牌識別系統是現代智能交通系統的重要組成部分之一。
　　
　　車牌識別系統目前在智能交通中的主要應用體現在公路車輛智能監測記錄和違章自動記錄（包括闖紅燈、禁左、壓線、逆行、超速等），用于記錄下車輛的號牌，從而索引到車輛檔案和車主檔案，進行交通管理執法，并可以衍生到查假套牌車應用。除此外，車牌識別技術還可應用到公路收費、停車管理、稱重系統、交通誘導、公路稽查、車輛調度、車輛檢測等各種場合。
　　
　　車牌識別系統應用廣泛，也會面對各種場景和特殊情況，車牌識別技術如何更好服務于這些應用，有沒有面臨新的問題，我們從車牌識別系統如何工作說起。
　　
　　車牌識別系統工作原理
　　
　　車牌識別是利用車輛的動態視頻或靜態圖像進行車牌號碼、車牌顏色自動識別的模式識別技術。技術的核心包括車牌定位算法、車牌字符分割算法和光學字符識別算法等。一個完整的車牌識別系統應包括車輛檢測、圖像采集、車牌識別等幾部分。當車輛檢測部分檢測到車輛到達時觸發圖像采集單元，采集當前的視頻圖像。車牌識別單元對圖像進行處理，定位出車牌位置，再將車牌中的字符分割出來進行識別，然后組成車牌號碼輸出。
　　
　　車輛檢測部分通常采用地感線圈或雷達，某些車牌識別系統還具有通過視頻圖像判斷是否有車的功能，稱之為視頻車輛檢測。
　　
　　由于道路上24小時都通車，車牌識別系統需要全天時、全天候工作，為保障夜間識別準確率，還會配備LED頻閃燈或閃光燈來補光。
　　
　　一個典型的車牌識別系統組成結構如下圖所示，前端設備通過傳輸網絡連到后端平臺上。
　　　
　　而車牌識別系統通常會經過下列步驟完成識別輸出的工作：
　　
　　車輛檢測：可以采用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等多種方式感知車輛的經過，并觸發圖像采集抓拍。
　　
　　圖像采集：通過高清攝像抓拍主機對通行車輛進行實時、不間斷記錄、采集。
　　
　　預處理：噪聲過濾、自動白平衡、自動曝光以及伽馬校正、邊緣增強、對比度調整等。
　　
　　車牌定位：在經過圖像預處理之后的灰度圖像上進行行列掃描，確定車牌區域。
　　
　　字符分割：在圖像中定位出車牌區域后，通過灰度化、二值化等處理，定位字符區域，然后根據字符尺寸特征進行字符分割。
　　
　　字符識別：對分割后的字符進行縮放、特征提取，與字符數據庫模板中的標準字符表達形式進行匹配判別。
　　
　　結果輸出：將車牌識別的結果以文本格式輸出。
　　　　
　　車牌識別系統功能與應用
　　
　　目前市場中車牌識別系統主要功能包括：
　　
　　1）車輛牌照自動識別，信息包括完整的牌照信息，顏色、字符、漢字、數字；
　　
　　2）車速的自動檢測；
　　
　　3）違法黑牌車輛的識別報警；
　　
　　4）車輛識別信息與車管所車輛信息的聯動控制；
　　
　　5）車輛行駛方向判斷監測。
　　
　　目前市場中車牌識別系統主要應用范圍包括：
　　
　　1）交通路口的智能化交通管理；
　　
　　2）交通信息的自動采集；
　　
　　3）警方及其它執法機關設立臨時稽查站，對來往車輛實施稽查，優先識別待查車輛；
　　
　　4）路橋、隧道等卡口的自動收費系統；
　　
　　5）現代住宅小區、停車場、重要機關單位的汽車出入口管理；
　　
　　6）道路治安卡口抓拍識別，車流量監測。
　　
　　車牌識別系統的實現方案
　　
　　車牌識別系統的實現方案通常有三類，一是抓拍相機+工控機，這是zui早應用的一種方案，由攝像機（線圈、雷達觸發或視頻檢測）抓拍車輛圖像，由工控機中軟件來識別車牌，一臺工控機同時可以管理多臺攝像機（多車道）；二是抓拍相機+嵌入式分析主機，將可靠性較低的工控機改為嵌入式主機，而抓拍攝像機不用變，所以這種方式已逐漸替代*種方案；三是嵌入式一體化抓拍相機，集抓拍、控制、識別、錄像、壓縮、傳輸于一體，大大簡化管理終端設備和后端平臺的工作，同時在可靠性、安全性、安裝維護便利性、環境適應性等方面都得到提升，正成為前景的實現方案。
　　　　
　　這里談一下目前市場上出現的集車輛視頻檢測與車牌識別一體化的高清抓拍相機產品，相對傳統的線圈觸發方式，采用視頻檢測可以避免破壞路面、不必附加外部檢測設備、不需矯正觸發位置、節省開支，可以更靈活地檢測車輛的行為（如違章掉頭、壓線、左轉等），而且更適合移動式、便攜式應用的要求。但車牌識別系統要進行視頻車輛檢測，需要具備很高的處理速度并采用的算法，在基本不丟幀的情況下實現圖像采集、處理。若處理速度慢，則導致丟幀，使系統無法檢測到行駛速度較快的車輛，同時也難以保證在有利于識別的位置開始識別處理，影響系統識別率。因此，將視頻車輛檢測與牌照自動識別相結合具備一定的技術難度，這也是目前出現的產品還不多的原因。
　　
　　一個車牌識別系統除了前端的抓拍機與分析主機，還應有對應的后臺管理系統，而且它影響到這個車牌識別系統是否好用。后臺管理系統的功能通常包括：
　　
　　1、識別結果和車輛圖像數據的可靠存儲，當多功能的系統操作使得網絡出差錯時能保護圖像數據不會丟失，同時便于事后人工排查；
　　
　　2、有效的自動比對和查詢技術，被識別的車牌照號碼要同數據庫中成千上萬的車牌號碼自動比對和提示報警，如果車牌照號碼沒有被正確讀取時就要采用模糊查詢技術才能得出相對“*”的比對結果；
　　
　　3、對于聯網運行，提供實時通信、網絡安全、遠程維護、動態數據交換、數據庫自動更新、硬件參數設置、系統故障診斷等功能。
　　
　　車牌識別系統的評價
　　
　　我國*部對道路交通與車輛行駛監測有明確的技術規范和管理條例，主要包括《闖紅燈自動記錄系統通用技術條件》（GA/T496-2009）、《公路車輛智能監測記錄系統通用技術條件》（GA/T497-2009）、《道路交通安全違法行為圖像取證技術規范》（GA/T832-2009）、《機動車號牌圖像自動識別技術規范》（GA/T833-2009）等。
　　
　　從技術上評價一個車牌識別系統，主要有兩個指標，即識別準確率、識別速度。
　　
　　·識別準確率
　　
　　一個車牌識別系統是否實用，zui重要的指標是識別率和識別準確率。根據GA/T497-2004和GA/T497-2009中定義：
　　
　　識別率=號牌被自動識別的車輛數/號牌信息有效的車輛總數。
　　
　　識別準確率=號牌信息識別正確的車輛數/號牌信息有效的車輛總數。
　　
　　（注：號牌信息有效是指車輛號牌完整、清晰、安裝規范，且無遮擋、無污損。）
　　
　　在新頒發的GA/T497-2009中，號牌識別率指標評價被取消，只保留號牌識別準確率，且規定白天車輛號牌識別準確率應不小于90%；夜間車輛號牌識別準確率應不小于80%。
　　
　　由于對號牌信息有效這一結論需要人工判定，所以還需要將車輛號牌圖像和識別結果都存儲下來，以便調取查看。然后，通過對實際通過的車輛圖像以及正確的人工識別結果進行數量統計，以得到識別率和識別準確率，以及可信度、誤識率這些中間結果。
　　
　　為了測試一個車牌識別系統識別率，需要將該系統安裝在一個實際應用環境中，全天候運行24小時以上，采集至少1000輛自然車流通行時的車牌照進行識別。
　　
　　·識別速度
　　
　　識別速度決定了一個車牌識別系統是否能夠滿足實時實際應用的要求。一個識別率很高的系統，如果需要幾秒鐘，甚至幾分鐘才能識別出結果，那么這個系統就會因為滿足不了實際應用中的實時要求而毫無實用意義。例如，在高速公路收費中車牌識別應用的作用之一是減少通行時間，速度是這一類應用里減少通行時間、避免車道堵車的有力保障。
　　
　　根據GA/T833-2009中要求，識別時間≤（A/B）×（K×100）（ms）。
　　
　　上述式子中的A表示用于識別的圖像分辨率；B為固定常數，其值為768×576=442368；K為圖像中存在的車牌數量。
　　
　　即車牌圖像為768×576像素點時，當圖像中存在一個號牌時，其識別時間≤100ms；當圖像中存在二個號牌時，其識別時間≤200ms；當圖像中存在三個號牌時，其識別時間≤300ms；當圖像中存在四個號牌時，其識別時間≤400ms。
　　
　　車牌識別系統的問題與新技術應用
　　
　　從上文可知，車牌識別系統的識別率和識別準確率越高越好，但我們必須清楚地認識到識別率達到100%是不可能的，一方面因為車牌污損、模糊、遮擋，或者糟糕的天氣（下雪﹑冰雹﹑大霧等等）都會嚴重影響識別的效果，另一方面一些中英文字符的分割與識別本身難度較大，比如“川”字易錯誤分割，以及“0-Q”、“2-Z”、“4-A”、“5-S”、“7-T”、“8-B”、“O-D”等易混淆字符。因為識別率的統計是以號牌信息有效的車輛總數為基礎的，所以，如果考慮了各種環境、情況下的車牌，車牌識別系統在實際應用中的識別率會大打折扣，在無法識別時仍依賴人工進行判斷、識別。
　　
　　針對傳統車牌識別算法中字符識別率偏低的缺點，目前出現了一種基于卷積神經網絡的識別方法，通過對車牌字符圖像的樣本學習，優化神經網絡每層的權值參數，從而在很大程度上提高車牌的字符識別率。仿真結果表明，采用卷積神經網絡的識別方法對車牌照中的字符進行識別，正確識別率可以到達99%，識別率和抗干擾性明顯優于結構特征法、模板匹配法等傳統識別方法（后兩者分別只有94%、95%）。
　　
　　利用神經網絡的優勢，采用一種改進的基于卷積神經網絡的識別機制對車牌照中的字符進行識別。該識別方法通過對理想預處理條件下的車牌字符圖片的學習，優化了網絡系統中各層的權值參數，大大提高了車牌照中的字符識別率。在實際應用中，對于前期預處理出現的車牌定位不清、字符分割錯誤等缺點，如果進一步優化網絡結構，則可以識別預處理較差條件下的車牌字符。