¿Cuáles son las configuraciones convencionales de los sistemas de reconocimiento de matrículas de estacionamientos? ¿Cómo implementar el reconocimiento de matrículas respectivamente?
La configuración del sistema de reconocimiento de matrículas del estacionamiento de control Xiamen Dashou incluye principalmente detección de vehículos, recopilación de imágenes, reconocimiento de matrículas y otras partes. El sistema de reconocimiento de matrículas de estacionamiento utiliza vídeos dinámicos o imágenes estáticas de vehículos para identificar automáticamente los números y colores de las matrículas mediante tecnología de reconocimiento de patrones. Su base de hardware generalmente incluye equipos de activación (que monitorean si un vehículo entra en el campo de visión), equipos de cámara, equipos de iluminación, equipos de adquisición de imágenes, un procesador (como una computadora) para reconocer números de matrícula, etc. Su núcleo de software incluye licencia algoritmo de posicionamiento de matrículas, algoritmo de segmentación de caracteres de matrículas y algoritmos de reconocimiento óptico de caracteres, etc. Algunos sistemas de reconocimiento de matrículas de estacionamiento también tienen la función de juzgar si hay un automóvil a través de imágenes de video, lo que se denomina detección de vehículos por video. Cuando la parte de detección de vehículos detecta la llegada del vehículo, la unidad de adquisición de imágenes se activa para recopilar la imagen de vídeo actual. La unidad de reconocimiento de matrículas procesa la imagen, localiza la posición de la matrícula, segmenta los caracteres de la matrícula para su reconocimiento y luego genera el número de matrícula.
Detección de vehículos
La detección de vehículos puede utilizar detección de bobina enterrada, detección de infrarrojos, tecnología de detección de radar, detección de video y otros métodos. El uso de detección por video puede evitar dañar la superficie de la carretera, eliminar la necesidad de equipos de detección externos adicionales, eliminar la necesidad de corregir la posición del gatillo, ahorrar dinero y es más adecuado para aplicaciones móviles y portátiles.
Para la detección de vehículos por vídeo, el sistema debe tener una alta velocidad de procesamiento y adoptar excelentes algoritmos para lograr la recopilación y el procesamiento de imágenes sin perder básicamente fotogramas. Si la velocidad de procesamiento es lenta, se producirá una pérdida de cuadros, lo que hará imposible que el sistema detecte vehículos que viajan a mayor velocidad. Al mismo tiempo, es difícil garantizar que el proceso de reconocimiento comience en una ubicación propicia. al reconocimiento, lo que afecta la tasa de reconocimiento del sistema. Por lo tanto, es técnicamente difícil combinar la detección de vehículos por vídeo con el reconocimiento automático de matrículas.
Reconocimiento de números
Para realizar el reconocimiento de matrículas se requieren los siguientes pasos básicos:
1) Posicionamiento de la matrícula, ubique la posición de la matrícula en la imagen;
p>
2) Segmentación de caracteres de la matrícula, segmentar los caracteres en la matrícula
3) Reconocimiento de caracteres de la matrícula, reconocer los caracteres segmentados y; finalmente forme un número de placa.
En aplicaciones prácticas, la tasa de reconocimiento del sistema de reconocimiento de matrículas de estacionamiento www.bhccn.com también está estrechamente relacionada con la calidad de la matrícula y la calidad de la fotografía. La calidad de la matrícula se verá afectada por varios factores, como óxido, manchas, pintura descascarada, fuentes descoloridas, matrículas bloqueadas, matrículas inclinadas, reflejos de alto brillo, matrículas múltiples, matrículas falsas, etc.; El proceso de disparo real también se verá afectado por el brillo del entorno, el método de disparo, la velocidad del vehículo y otros factores. Estos factores influyentes reducen la tasa de reconocimiento de matrículas en diversos grados, que es donde radican las dificultades y desafíos del sistema de reconocimiento de matrículas de estacionamiento. Para mejorar la tasa de reconocimiento, además de mejorar constantemente el algoritmo de reconocimiento, también debemos encontrar formas de superar diversas condiciones de iluminación para que las imágenes recopiladas sean más propicias para el reconocimiento.