商建波

摘 要：車牌識別技術(shù)是構(gòu)成交通系統(tǒng)智能化和現(xiàn)代化的關(guān)鍵因素，其能為交通管理提供切實可靠的依據(jù)。本文在闡述車牌識別技術(shù)原理的基礎(chǔ)上，就智能監(jiān)控裝置車牌識別技術(shù)的類型展開分析，同時指出智能監(jiān)控裝置車牌識別的應(yīng)用過程。期望能進一步提升智能監(jiān)控裝置車牌識別技術(shù)應(yīng)用水平，進而實現(xiàn)交通安全的有效保證。

關(guān)鍵詞：智能交通;監(jiān)控裝置;車牌識別

新經(jīng)濟形態(tài)下，我國國民經(jīng)濟獲得了快速發(fā)展，居民擁有汽車的數(shù)量持續(xù)增加，這在方便人們出行的同時，也帶來了一定的交通管理問題。良好的交通是國民文明的標志，也是人們安全出行的重要保障;基于此，智能監(jiān)控裝置車牌識別技術(shù)在交通安全管理中得以深入應(yīng)用;本文就該技術(shù)的應(yīng)用過程及要點展開分析。

一、車牌識別技術(shù)原理

車牌識別技術(shù)是發(fā)展現(xiàn)代智能交通的重要支撐，其在數(shù)字攝像技術(shù)的支撐下，融合使用計算機信息處理、圖像處理、模式識別和人工智能技術(shù)，進而實現(xiàn)車輛類型的識別和車牌字符識別[1]。在具體識別中，道路工程兩側(cè)設(shè)置監(jiān)控攝像機均自帶數(shù)字攝像技術(shù)，該技術(shù)能夠快速化、遠程化的對車牌信息進行采集獲取，然后將采集的信息傳輸?shù)叫畔⑻幚硐到y(tǒng)，最終實現(xiàn)車輛的數(shù)量、車牌信息、行駛速度的準確記錄和檢測。

二、智能監(jiān)控裝置車牌識別的類型

1、智能監(jiān)控裝置車牌結(jié)構(gòu)模式識別

智能監(jiān)控裝置車牌識別技術(shù)應(yīng)用中，字符識別是極為重要的一個環(huán)節(jié)，能在字符之間筆畫和偏旁關(guān)系分析的基礎(chǔ)上，分析字體的變化差異，最終達到車牌識別的目的。在結(jié)構(gòu)模式識別中，需注重外力因素的有效管理，如當車牌字體傾斜、斷裂，紙張污漬或字符粘連時，車牌識別結(jié)果的準確性就會有所降低，受這一缺陷影響，結(jié)構(gòu)模式識別在當前車牌識別中的應(yīng)用范圍逐漸縮小。

2、智能監(jiān)控裝置車牌統(tǒng)計模式識別

2.1模板匹配識別

作為一種快速化的車牌識別技術(shù)，模板匹配識別以字符圖像為基本參考依據(jù)，然后對照字庫模板，選擇相似度最高的模板作為字符識別結(jié)果[2]。該識別方式具有操作簡單、效率高的特點，然當字體基本相同時，受自身難以細化分析的影響，模板匹配識別的精度會有所降低。

2.2變換特征識別法

相比于模板識別，變換特征識別法的應(yīng)用過程較為復(fù)雜;在車牌識別過程中，其需要通過一系列的手段來降低字符的特征維數(shù)，通常二進制變換是較為常用的降維手段。該過程中，字符的變化并非固定不變的，所以其會導(dǎo)致識別自行與原字形之間出現(xiàn)較大誤差。

2.3投影直方圖和幾何矩識別

幾何矩識別過程中，矩不變量是字符識別的主要依據(jù)，在具體識別中，其線性變換條件變化過程難度較大，然識別過程抗感染鞥能力較強，而且通過“矩”得到的識別結(jié)果具有一定的穩(wěn)定性、可靠性。

3、智能監(jiān)控裝置車牌的人工神經(jīng)網(wǎng)絡(luò)模式識別

人工神經(jīng)網(wǎng)絡(luò)模式是一種全新化的車牌識別技術(shù);與傳統(tǒng)車牌識別技術(shù)相比，其具有識別速度快、分類能力強、識別率高的特點，同時就容錯率、數(shù)據(jù)處理能力、自學(xué)能力而言，其具有較為他突出的優(yōu)勢。從識別過程來看，人工神經(jīng)網(wǎng)絡(luò)模式能將車牌的字符、符號以點陣形式傳輸?shù)缴窠?jīng)元系統(tǒng)，然后由計算機系統(tǒng)進行字符分析識別，這有效地避免了個人主觀判斷對字符提取工作準確性的干擾，確保了車牌識別的效率性、準確性。

三、智能監(jiān)控裝置車牌識別技術(shù)的應(yīng)用過程

1、基于車牌識別的車輛運動目標檢測

運動目標檢測是車牌圖像分析和圖像識別的基礎(chǔ)。交通系統(tǒng)安全管理中，對于車輛運動目標偶的檢測主要是通過固定攝像頭來實現(xiàn)的。在該過程中，固定攝像頭所獲得背景是相對靜止的，通過分割方法把出現(xiàn)的車輛分割出當前背景即可進行有效識別，具體而言，其識別過程包含了監(jiān)控獲取圖像、圖像預(yù)處理、形成背景、車輛檢測、虛影/陰影去除等諸多環(huán)節(jié)?，F(xiàn)階段，光流場法、幀間差分法、背景減法事故車輛運動目標檢測的常用方式，光流場法通過對運動場視頻序列進行估算，實現(xiàn)前景與背景的分類;而在幀間差分法應(yīng)用中，不僅需考慮視頻序列問題，還需對圖像中的時間要素進行統(tǒng)籌;此外，背景減法通過時間、空間兩個要素來完成圖像前后景的分離。交通系統(tǒng)管理中，智能監(jiān)控裝置車牌識別系統(tǒng)會在這些目標檢測方式的支撐下，完成車輛的跟蹤、分類和檢測。

2、基于車牌識別的車輛運動目標追蹤

模型追蹤、活動輪廓追蹤、區(qū)域追蹤是較為常見的車輛運動目標追蹤方式[3]。就模型追蹤而言，其需要對車輛一維、二維、三維的幾何信息進行獲取，從中分析物體運動狀態(tài)，其雖然具有較高的追蹤效果，然運算量較大，反饋延遲相對交通。活動輪廓追蹤中，車輛初始建模難度較大，然而其追蹤時效性較強，計算過程簡單。此外，區(qū)域追蹤是當前較為常用的追蹤手段，其適用于車輛數(shù)量較少的情況。需注意的是，為進一步提升車輛運動目標追蹤質(zhì)量，當前還興起了一種基于特征的跟蹤方法。其能對特征點、線或是面等子特征進行追蹤，確保了追蹤的高效性，在該方法應(yīng)用中，需考慮多個車輛與目標車輛同時出現(xiàn)時，人們該如何考慮目標車輛子特征這一問題。

3、基于車牌識別的車輛運動目標分類

現(xiàn)階段，對車輛運動目標分類包含了形狀特征分類和運動特征分類中方法;前者考慮車輛散度、面積、長度和寬度等特征信息，而后者考慮車輛的運動狀態(tài)和特征。需注意的是，當前運動車輛目標分類方式較為繁雜，部分車輛運動目標分類方式需要考慮模型求解問題;對此，可將其轉(zhuǎn)化為二次型優(yōu)化問題，以此來使得分類過程得以優(yōu)化。

結(jié)論

智能監(jiān)控裝置車牌識別對于交通安全具有較大影響。城市化背景下，交通管理部門只有充分認識到智能監(jiān)控裝置車牌識別技術(shù)的原理和應(yīng)用價值，并在了解各識別技術(shù)特征優(yōu)勢的同事，進行車輛信息的全面追蹤，才能有效地提升智能監(jiān)控裝置車牌識別技術(shù)的應(yīng)用水平，進而創(chuàng)造安全可靠的交通環(huán)境，確保人們出行的安全性。

參考文獻

[1] 郝芯，吳翠紅，張廣杰，等.智能監(jiān)控裝置車牌識別技術(shù)研究[J].湖北農(nóng)機化，2019（15）：96-97.

[2] 尚金生.智能交通中的視頻圖像處理技術(shù)分析[J].現(xiàn)代信息科技，2019，3（14）：86-88.

[3] 曹晶.新形勢下智能交通系統(tǒng)中的車牌識別技術(shù)研究[J].通訊世界，2016（08）：272-273.