宝抵区遥控车牌识别厂家价格

目前ITS市场中车牌识别系统主要功能包括：
1、 车辆牌照自动识别(信息包括完整的牌照信息，颜色、字符、汉字、数字全面完整的识别)。
2、 车速的自动准确检测。
3、 违法黑牌照车辆的抓拍报警。
4、 车辆识别信息与车管所车辆信息的及时联动、操作权限的分立、前端采集信息的实时上传以及网络断点续传等主流功能。
其中车辆牌照的自动识别系统目前业界纯视频识别率应达到90%以上，外触发识别率应达到98%以上。这里所说的识别率是指整牌的识别率，包括车牌颜色、字符、数字以及汉字四项内容。以目前技术角度来说**准确识别是理想化的情况，实际情况中车辆牌照的识别还存在外界因素的种种影响，例如车速、气候、照度等因素都会影响终的识别效果。车辆牌照的抓拍前提是摄像机快门，即SHUTTER的反应速度快慢来决定。通常来说车辆速度小于140公里/小时的时候，快门速度采用1/500~1/1000均可达到良好的效果，业内所用的摄像机其内部参数往往在这一区间内，这是业内厂家的一种共识。

车牌字符分割
① 车牌字符分割算法的研究
车牌字符分割就是对已经定位出的车牌区域内的车牌字符进行分割，从而获取车牌上的字符，是车牌字符识别的前提和准备。车牌字符分割的好坏，直接影响到识别效果的好坏。在车牌识别系统中，由于车牌污染、背景复杂、光照不均匀、车牌发生倾斜、边框影响以及间隔符等因素影响，很难找到一种普遍使用的分割方法。
车牌区域定位完成之后，由于提取出来的车牌区域内的车牌图像可能存在倾斜现象，因此，在车牌字符分割之前，需要判断车牌图像是否倾斜。在车牌倾斜的情况下，需要准确的求得车牌的倾斜角度，然后把发生倾斜的车牌校正过来，为接下来的字符分割创造条件，这就是车牌的倾斜校正。常用的倾斜校正算法包括Radon变换、Hough变换。在车牌的倾斜校正完成之后，需要去除车牌的上下、左右边界，然后才能把车牌上的字符一个个的分割出来，得到一个单独的车牌字符图像，为后续的车牌字符识别做好准备，即车牌的字符分割。
在车牌的字符分割中，有许多因素会对车牌的字符分割造成影响，例如图像的噪声、车牌的定位不精确、字符的粘连、汉字的不连通等。本文介绍一种改进的水平投影算法，该算法能够克服这些因素造成的不良影响，并且能够准确的分割出车牌，为后续的精确识别做好准备。为了分割出相互独立的字符，对经过Otsu算法阈值化的灰度图进行分割。

Sobel边缘检测算子
Sobel算子是根据邻域像素与当前像素的距离有不同的权值，强调中心像素的对边邻域像素对其的影响，而消弱4个对角近邻像素的作用。图像中每一个像素点都用这两个核做卷积，一个卷积核对图像垂直边缘响应，而另一个则对水平边缘响应，取两个卷积之中的值作为该像素点的输出值。这样使得Sobel算子对噪声有抑制作用，因此不会出现很多孤立的边缘像素点，不过Sobel算子对边缘的定位不是很精确，图像的边界宽度往往不止一个像素，不适合对边缘定位准确性要求很高的应用。与Prewitt相似，Sobel算子也是通过像素平均来实现的，也有一定的抗噪能力。值得注意的是它们都不是各向同性的，所以它们检测出来的边缘并不是完全连通的，会有一定程度的断开。
Sobel边缘检测还有另外一种形式，称为Isotropic Sobel算子，该算子具有各向同性的特征，利用加权平均算子，权值反比于邻点与中心点的距离，当沿着不同方向检测边缘时梯度幅度一致， 因此它的位置加权系数更准确，在检测不同方向上的边缘时梯度的幅度一致，但速度较一般Sobel算子要慢一些。 用于边缘检测的算子很多，常用的还有Laplacian边缘检测算子、Canny边缘检测算子等。

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。