车辆检测

      车辆检测可以采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支，而且更适合移动式、便携式应用的要求。

      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。

车牌识别系统概述

随着我国经济的飞速发展，城市化进程发展迅速，城市汽车保有量逐年增加，停车资源停车能力面临严峻挑战，传统停车场收费系统要求车主在入口停车取卡、出口停车缴费，存在车主取卡不方便；通行速度慢、容易造成拥堵；收费作弊漏洞等现象，因此如何利用先进的现代化的智能停车管理以顺应时代发展的要求已成为十分紧迫的问题。

在当前的车场管理中，存在的以下问题：

1. 传统的停车场收费模式大多采用近距离读卡方式，必须停车刷卡通行，使用非常不方便，需要摇下车窗伸出手刷卡，有的还需要下车刷卡。下雨天容易被淋湿，上下坡道停车刷卡容易造成溜车、碰撞等事故；

2. 停车刷卡更有通行速度慢的缺点，尤其是在进出高峰容易造成拥堵，导致车位周转率低，影响收益；

3. 传统停车场采用人工收费方式，运营成本投入中，人工成本占比最.高，且将随着使用年限的增加及员工工资的上涨而持续上升；

4. 现金缴费，不可避免地会存在着假.币、残币的风险，资金管理成本远高于电子支付，而且收费人员可能存在的侵吞票款等作弊行为。

号码识别

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。

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，并将其从图像中分离出来。

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。

3) 牌照字符识别方法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，选择最.佳匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，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图像输入网络，由网络自动实现特征提取直至识别出结果。