中文車牌識(shí)別遍搞，經(jīng)過(guò)近二十年的發(fā)展，在特定場(chǎng)景下器腋，已經(jīng)具備了相對(duì)成熟的解決方案溪猿。如停車場(chǎng)卡口，小區(qū)入口等纫塌。車牌識(shí)別技術(shù)是現(xiàn)代智能交通系統(tǒng)重要組成部分诊县，其應(yīng)用十分廣泛。它以計(jì)算機(jī)視覺(jué)處理措左、數(shù)字圖像處理依痊、模式識(shí)別等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車輛圖像或者視頻圖像進(jìn)行處理分析怎披，得到每輛車的車牌號(hào)碼胸嘁，從而完成識(shí)別過(guò)程瓶摆。
車牌識(shí)別在高速公路車輛管理中得到廣泛應(yīng)用，如高速收費(fèi)性宏，交通違章檢測(cè)等群井。在停車場(chǎng)管理中，車牌識(shí)別技術(shù)也是識(shí)別車輛身份的主要手段毫胜。本文針對(duì)目前國(guó)內(nèi)針對(duì)車牌識(shí)別的商業(yè)化方案书斜，科研工作者最新研究以及開源方案進(jìn)行分析。
商業(yè)化方案中指蚁，幾個(gè)老牌的車牌識(shí)別公司都具有較好的商業(yè)化版本菩佑，應(yīng)用也較為廣泛，包括北京文通科技凝化，北京易泊時(shí)代等稍坯，文通的技術(shù)源于清華的技術(shù)團(tuán)隊(duì)，研究早搓劫，商業(yè)化也比較完善瞧哟，在車牌識(shí)別方案上應(yīng)用廣泛。最近訪問(wèn)北京文通的官網(wǎng)枪向，產(chǎn)品更新不多勤揩，目前出現(xiàn)的新能源已經(jīng)已經(jīng)可以支持，比其他的商業(yè)化公司慢了一些秘蛔。成都的火眼臻視公司胧砰，做停車場(chǎng)卡口車牌識(shí)別伶选，包括卡口相機(jī)超升，配套軟件等干像，在停車場(chǎng)具有較高的市場(chǎng)占有率。北京精英智通科技主要針對(duì)智能泊車收費(fèi)倦畅，其中車牌識(shí)別方案也具有較好的識(shí)別遮糖。目前市場(chǎng)上的車牌識(shí)別產(chǎn)品，大多采用檢測(cè)+分割+識(shí)別的方案叠赐，這種方案依賴于分割的效果欲账，對(duì)于圖像模糊粘連處理有一定難度。當(dāng)前的一些基于深度學(xué)習(xí)車牌識(shí)別芭概，也有一些公司在做赛不，作者了解到，北京智云視圖公司采用了端到端車牌識(shí)別罢洲，也取得了不錯(cuò)的識(shí)別效果俄删。在其開源的代碼中可以看到，訓(xùn)練新的樣本比較簡(jiǎn)單。
科研工作者也針對(duì)中文這牌識(shí)別提出了很多優(yōu)秀的算法畴椰，Automatic License Plate
Recognition (ALPR): A State-of-the-Art Review 這篇文章發(fā)表于2013年，總結(jié)了截止當(dāng)時(shí)一些車牌識(shí)別的整體算法及方案鸽粉。今年英特爾公司的研究人員提出的：LPRNet: License Plate Recognition via Deep Neural Networks（http://cn.arxiv.org/pdf/1806.10447）斜脂，在大陸多種車牌上取得了不錯(cuò)的效果。
作者采用一種端到端的識(shí)別方案触机，不需要進(jìn)行圖片的分割帚戳，速度快，準(zhǔn)確度高于95%儡首。其他的科研工作者也提出了一些車牌定位片任、識(shí)別的方案，包括基于傳統(tǒng)特征定位的蔬胯，基于cascade
LBP 等对供，還有基于深度學(xué)習(xí)的方法。
在開源界也有許多優(yōu)秀的算法氛濒，目前github上比較優(yōu)秀的開源方案包括OpenALPR产场，easyPR，HyperLPR等舞竿。其中OpenALPR針對(duì)國(guó)外車牌京景，如果需要利用其識(shí)別國(guó)內(nèi)車牌，需要重新訓(xùn)練以及代碼的修改骗奖，可以作為一種車牌識(shí)別的思路進(jìn)行參考确徙。easyPR是車牌識(shí)別愛(ài)好者開發(fā)的中文車牌識(shí)別框架，作者目前在南京大學(xué)讀博执桌，代碼具有一定參考價(jià)值鄙皇。編譯運(yùn)行代碼，但是速度跟準(zhǔn)確率都不能達(dá)到商用鼻吮。HyperLPR是智云視圖開源的一個(gè)車牌識(shí)別代碼育苟，作者提到該算法采用了神經(jīng)網(wǎng)絡(luò)，端到端的進(jìn)行識(shí)別椎木。改代碼提供了多個(gè)平臺(tái)的代碼方案违柏，包括linux、win香椎、ios漱竖、android等。我們運(yùn)行了該代碼畜伐，速度跟準(zhǔn)確率算是開源代碼中很不錯(cuò)的了馍惹。但是與其提供的demo還有一點(diǎn)差距，需要使用者自己完善。
雖然車牌識(shí)別技術(shù)已得到很大發(fā)展万矾，但是仍然存在難點(diǎn)悼吱。這些難點(diǎn)集中體現(xiàn)在以下幾個(gè)方面：（1）由于光照、大霧良狈、沙塵暴等天氣影響后添，導(dǎo)致采集到的圖像質(zhì)較低，字符受到噪聲干擾薪丁，造成部分目標(biāo)圖像被背景圖像掩蓋遇西，降低車牌字符識(shí)別的準(zhǔn)確率。（2）我國(guó)車牌的特殊性严嗜。（a）我國(guó)車牌的字符包括中文粱檀、數(shù)字和英文字母。由于中文字符的筆畫較為復(fù)雜漫玄，在對(duì)中文字符進(jìn)行二值化處理后茄蚯，容易造成筆畫模糊，從而導(dǎo)致錯(cuò)誤的識(shí)別称近。同時(shí)在對(duì)車牌字符識(shí)別時(shí)第队，需要對(duì)英文字母和數(shù)字進(jìn)行混合識(shí)別，受部分英文字母和數(shù)字字符相似的影響刨秆，會(huì)造成英文字母和數(shù)字的誤識(shí)凳谦。（b）我國(guó)車牌識(shí)別顏色的多樣性，比如藍(lán)色白底衡未、黃底黑字尸执、黑底白字等，在利用車牌顏色的特征時(shí)需要考慮多種情況缓醋，增加了額外的工作量如失。
最后希望科研工作者能夠研究車更快、更準(zhǔn)確的算法送粱，能夠適應(yīng)多種車牌類型及其他復(fù)雜場(chǎng)景褪贵。也希望開源愛(ài)好者能提供好的思路，幫助大家一起學(xué)習(xí)進(jìn)步抗俄。
