中文车牌识别，经过近二十年的发展，在特定场景下，已经具备了相对成熟的解决方案。如停车场卡口，小区入口等。车牌识别技术是现代智能交通系统重要组成部分，其应用十分广泛。它以计算机视觉处理、数字图像处理、模式识别等技术为基础，对摄像机所拍摄的车辆图像或者视频图像进行处理分析，得到每辆车的车牌号码，从而完成识别过程。
车牌识别在高速公路车辆管理中得到广泛应用，如高速收费，交通违章检测等。在停车场管理中，车牌识别技术也是识别车辆身份的主要手段。本文针对目前国内针对车牌识别的商业化方案，科研工作者最新研究以及开源方案进行分析。
商业化方案中，几个老牌的车牌识别公司都具有较好的商业化版本，应用也较为广泛，包括北京文通科技，北京易泊时代等，文通的技术源于清华的技术团队，研究早，商业化也比较完善，在车牌识别方案上应用广泛。最近访问北京文通的官网，产品更新不多，目前出现的新能源已经已经可以支持，比其他的商业化公司慢了一些。成都的火眼臻视公司，做停车场卡口车牌识别，包括卡口相机，配套软件等，在停车场具有较高的市场占有率。北京精英智通科技主要针对智能泊车收费，其中车牌识别方案也具有较好的识别。目前市场上的车牌识别产品，大多采用检测+分割+识别的方案，这种方案依赖于分割的效果，对于图像模糊粘连处理有一定难度。当前的一些基于深度学习车牌识别，也有一些公司在做，作者了解到，北京智云视图公司采用了端到端车牌识别，也取得了不错的识别效果。在其开源的代码中可以看到，训练新的样本比较简单。
科研工作者也针对中文这牌识别提出了很多优秀的算法，Automatic License Plate
Recognition (ALPR): A State-of-the-Art Review 这篇文章发表于2013年，总结了截止当时一些车牌识别的整体算法及方案。今年英特尔公司的研究人员提出的：LPRNet: License Plate Recognition via Deep Neural Networks（http://cn.arxiv.org/pdf/1806.10447），在大陆多种车牌上取得了不错的效果。
LPRNet 识别示例
作者采用一种端到端的识别方案，不需要进行图片的分割，速度快，准确度高于95%。其他的科研工作者也提出了一些车牌定位、识别的方案，包括基于传统特征定位的，基于cascade
LBP 等，还有基于深度学习的方法。
在开源界也有许多优秀的算法，目前github上比较优秀的开源方案包括OpenALPR，easyPR，HyperLPR等。其中OpenALPR针对国外车牌，如果需要利用其识别国内车牌，需要重新训练以及代码的修改，可以作为一种车牌识别的思路进行参考。easyPR是车牌识别爱好者开发的中文车牌识别框架，作者目前在南京大学读博，代码具有一定参考价值。编译运行代码，但是速度跟准确率都不能达到商用。HyperLPR是智云视图开源的一个车牌识别代码，作者提到该算法采用了神经网络，端到端的进行识别。改代码提供了多个平台的代码方案，包括linux、win、ios、android等。我们运行了该代码，速度跟准确率算是开源代码中很不错的了。但是与其提供的demo还有一点差距，需要使用者自己完善。
HyperLPR开源车牌识别
虽然车牌识别技术已得到很大发展，但是仍然存在难点。这些难点集中体现在以下几个方面：（1）由于光照、大雾、沙尘暴等天气影响，导致采集到的图像质较低，字符受到噪声干扰，造成部分目标图像被背景图像掩盖，降低车牌字符识别的准确率。（2）我国车牌的特殊性。（a）我国车牌的字符包括中文、数字和英文字母。由于中文字符的笔画较为复杂，在对中文字符进行二值化处理后，容易造成笔画模糊，从而导致错误的识别。同时在对车牌字符识别时，需要对英文字母和数字进行混合识别，受部分英文字母和数字字符相似的影响，会造成英文字母和数字的误识。（b）我国车牌识别颜色的多样性，比如蓝色白底、黄底黑字、黑底白字等，在利用车牌颜色的特征时需要考虑多种情况，增加了额外的工作量。
最后希望科研工作者能够研究车更快、更准确的算法，能够适应多种车牌类型及其他复杂场景。也希望开源爱好者能提供好的思路，帮助大家一起学习进步。
网友评论