车牌识别系统适用性评价指标

通常，从技术上评价一个车牌自动识别系统从识别率、识别速度和后台管理三方面做综合评判，当然，一切都以系统正常稳定运营为前提。

　　其中重要的指标是识别率，而识别速度则决定了一个车牌识别系统是否能偶满足实时实际应用需求；后台管理体系则决定着这个车牌识别系统是否好用，还应注意考虑客观因素的存在，比如车牌污损模糊、遮挡掩盖、天气情况等等意外。

　　但是稳定的后台需具备以下几点要素：首先要有稳定存储识别结果和图像数据的功能，以防出现网络差错数据会丢失不方便时候人工排查；有效的自动对比和查询技术，要求被识别的牌照号码要从数据库中的车牌码自动对比或者提示报警及时；还要提供实时通信、网络安全和远程维护，以便数据动态及时交换，数据库能自动更新，硬件参数设置和系统故障诊断。

　　同时，车牌自动识别技术的提升也需要广大用户支持产品，能将使用问题及时反馈给设计公司，以便做出更好改进。

车辆识别对运动目标摄取方案

交通场景中车辆对象的实时检测是基于视频的交通监测系统中重要也是基本的步骤．是视频检测法的核心，检测的正确与否直接关系到智能交通系统决簧的正确性，感兴趣区域(Rcpon Of Interestinl;，ROI)提取是对交通场景视频图像中的车辆进行粗分割．车辆识别系统将有可能是车辆的区域从复杂的交通场景中分割出来以便进行后续的检测与跟踪操作．对一个像素检测主要是利用了在视频图像序列中处于同一位置的像素信息，而不是仅仅利用一帧中该像素的周围像素信息，这主要是由视频图像的特点决定的．对ROI的提取主要有光流法、帧差法、背景差法等几类方法。

   (I)光流法

   对于运动目标的检测直接的想法就是分析图像序列中各点的运动场，即找出由空间运动而引起的像平面上对应点的运动。然而，在图像中可测的仅仅是图像辐照度的变化，由图像辐照度的变化所反映的运动称为表观运动，车辆识别技术，对表观运动的记录称为光流，光流场并不一定能反映物体的真实运动，但是在我们所处理的情况中，为简便起见，可以忽略衰观运动和物体真实运动之间的差异，用光流场来代替运动场，分析图像中的运动目标及其运动参数。

  在运动（光流）场确定之后，去除随机噪声及一些过小的运动，认为在检测时段内运动向量始终在一定范围内保持一致的那些区域属于一个物体，从而可以确定出各运动目标（车辆）在各个时刻的运动参数（速度，方向等）．

   基于车光流场分析进行跟踪的方法，可以很精的计算出运动目标的速度，但是这种方法采用迭代的方法·计算时间较长，无法进行实时的跟踪，并且该方法只考虑利用光流散据来进行决策，所以受到被估算的光流场精度的限制．这些方法受到噪声的影响严重·而且·分割所得的运动对象的边缘精度不够．在运动不完全的情况下，则会产生分割结果不完整等问题。

 另外，由于运动场并不是很可靠，因此通常在物体边界或纹理不突出区域产生错误，脱机车辆识别，从而会对分割结果产生明显的影响，因此，由于各方面的限制，使得基于光流法的运动分割并不适合交通场景下的运动分析。

   (2)帧差法

   帧间差分法又称图像序列差分法．当监控场景中出现运动物体时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像对应像素点亮度值差的绝值，通过判断它是否大干阀值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动，图

像序列逐帧地差分，相当于对图像序列进行了时域上的高通滤波。

  帧差法的优点是计算简单且不易受环境光线变化的影响，但它不能检测静止车辆，且处理效果与图像采样频率以及被检测车辆的车速有关·如果视频检测嚣采样频率过小，东营区车辆识别，而车速较快，可能会造成误分割：反之如果采样频率过大且车速较慢，又会造成过度覆盖，极端情况下运动物体可能完全重叠，类似于静止车辆，从而导致无法分割出运动物体。

   (3)背景差法

   背景差法的基本思想是先形成交通场景的背景图像，然后将待检酒图像与背景图像逐像素相减（理想情况下的差值图像中非零像素点就表示了运动物体），进而就可运用N值方法将运动物体从背景中分离出来。

可靠的背景图像是背景差法能否成功提取目标区域的关键．背景图像可由人工拍摄一幅没有车辆的图像来得到，也可以通过序列图像的平均来得到，显然，建筑物阴影、浮云或光照的变化都会造成背景环境明显的变化．由于这些环境变化因素，作为参照物的背景需要定时更新·目前有多种背景更新方法，常用的方法是多帧平均( FrameAvmging)法和选择更新（Selective Updating）法。

 车辆识别系统背景差方法的优点是：原理和算法设计简单：根据实际情况确定N值进行处理后，车辆识别软件，所得结果直接反映了运动目标的位置、大小，形状等信息，能够得到比较精的运动目标信息．但是·基于背景差的车辆检测的准确性很大程度上依赖于背景图像的可靠性．总的来说．背景差法对环境光线的变化非常敏感，背景图像需不断地被更新以迎合环境光线、阴影和天气的变化等·因而背景更新中的误差累计是影响背景差法精度的重要因素。