车牌识别在智能交通中的应用与发展分析

【安防在线 www.anfang.cn】
　　车牌识别的发展过程

　　车牌识别是从数字图像中搜索车牌所在位置，然后辨识出车牌内容的一项模式识别(PatternRecognition)技术。在上世纪80年代，由于模式识别领域研究的快速发展，人们开始将车牌识别、指纹识别、人脸识别等典型问题的研究成果付诸于实用，其中的一些问题虽然对进化了几千万年的人脑来说是举手之劳，但借助计算机自动完成却仍不现实，而车牌识别问题的难度则较为适中，相应的社会需求、实用价值又非常巨大，因此经过十余年科研和实践的反复磨练，车牌识别已经成长为现代社会中最普及、最成熟的模式识别技术之一。

　　如果说从20世纪80年代到2000年可以认为是车牌识别的技术成熟阶段，从2000年以来的十年，则可以认为是车牌识别的产品成熟阶段。今天，我们谈到车牌识别，已不再局限于技术本身，更多的是指以车牌识别技术为核心的一整套系统，包括了车辆触发、图像抓拍、车牌识别、业务应用四个基本环节。而车牌识别产品的发展也可以从这几个方面进行剖析：

　　1.在车辆触发机制上，“视频触发”和“外部触发”一直并行发展，视频触发的优点在于不需要其他设备辅助，提高系统的集成度和易用性，而主要的不足在于对恶劣天气、环境的敏感，此外一些大型车辆(比如公交、大型货车、翻斗车等)的触发时机的掌握上也有一定难度，但这些问题正逐渐被智能识别算法的进步所克服。外部触发的优点主要在于触发稳定，施工和后期维护的成本相对较高，但从最早的地埋线圈到地磁触发的出现也一定程度上克服了外部触发固有的施工难度和寿命方面的短板。

　　2.在图像抓拍环节，从最初的工控机外接相机方式，发展为嵌入式识别仪再发展为智能一体机，可以看到图像的分辨率越来越高，平台的体积、功耗越来越小，呈现出明显的集成化趋势。而且，由于图像分辨率的迅速提高，目前的车牌识别实际上已经不再是“抓拍”图片，而是直接从视频中抽取合适的帧进行分析。

　　3.车牌识别算法的发展则主要体现在识别指标的逐渐逼近和对环境适应能力的提高，目前主流车牌识别厂商的常规识别率都稳定在95%以上，对光照、天气、成像的适应能力也越来越强。

　　车牌识别产品在智能交通中的应用情况

　　作为智能交通领域发现、确定车辆身份的最主要手段，车牌识别是智能交通的核心技术之一，很多应用都和车牌识别产品密不可分，基本分为以下几类：

　　1.基本应用

　　闯红灯抓拍和卡口系统(旅行时间可以看作是对卡口系统的一种资源整合)是车牌识别最基本的应用场景。在模式识别领域，根据对待检测目标输入信号的可控程度可将场景分为“全可控场景”和“不可控场景”，闯红灯抓拍和卡口系统中对待识别的目标车辆的出现位置、时机、光照环境都进行了全面的把控，因此属于比较典型的“全可控场景”，车牌识别的可靠性是各类相关应用中最高的。相应的，移动(车载)卡口以及利用普通的监控相机获得的画面来进行的车牌识别应用，对车牌识别算法的稳定性要求就要高的多。

　　2.扩展应用

　　由于车牌识别技术已经比较成熟，在某些智能交通产品中，一些并非以车牌为目的的应用也可能借助车牌识别来完成。例如车辆的视频测速，由于高稳定性的车辆外形检测算法的研发难度较高，利用车牌的移动速度来估算车辆速度就成为了另一种选择，不过车牌可以辨识的区域往往只在画面的下沿，跟踪的距离有限，因此这种测速方法的精度会受到影响。与此类似的还有利用根踪车牌来识别车辆的违法变道或拐弯的行为。

　　此外，有一些扩展应用虽然客户的需求切实存在，但现有产品所使用的技术还不够成熟。例如，车辆颜色和车型的识别。人眼自身具有很强的颜色自纠正能力，而相机成像的颜色受外界环境、光源的影响较大，因此颜色特征在模式识别中一般被认为是较不稳定的特征，加上有些车辆本身存在多种颜色或易混淆的颜色(比如蓝和黑、紫和红等)，车辆颜色和车型识别的实际准确率往往在70%~80%间，甚至更低。用户在选择产品时需有一定的心理预期。

　　3.触及车牌识别局限性的应用

　　随着车牌识别技术的普及，客户对于车牌识别寄予的期望也越来越高，一些非常有实用价值的应用问题被提出，但面对这些新应用，我们首先需要正视车牌识别自身的局限性：

　　u如何捕获无牌、套牌、遮挡、污损车牌等涉牌违章车辆

　　车牌识别产品的高可靠性源于利用车牌、光源、专业相机等形成的一整套“全可控场景”，而当出现上述这些异常情况时，场景的可控性将会大大降低，车牌识别所给出的信息会非常有限,这种情况下如果车牌识别产品带有高稳定性的车辆外形检测、跟踪算法，系统仍可以捕获违章行为，而车辆身份的认定可有两种途径，一种是借助电子车牌，即当车牌识别的结果和电子车牌不吻合时触发报警，另一种是对于一些高精度的车牌识别算法在车牌被部分遮挡或污损后，仍能够识别出其余的部分，则可以通过数据库检索的方式在可能的车辆**中进一步认定，这两种途径都可能需要人工干预。

　　如何监测异常停车、交通事故、交通拥堵等道路事件

　　准确的车牌识别，对车牌区域的图像尺寸有基本要求，一般而言，高清相机中近处车牌的宽度约在100~150pix，而当车牌宽度低于90pix，车牌识别的精度会大打折扣，上述需求所针对的场景往往存在车牌大小不定或者车牌因车辆拥挤而完全不可见的情况，应考虑采用专用的检测算法来实现，而不能简单的依赖车牌识别。

　　车牌识别产品的发展规模和竞争格局

　　2005年以来，我国汽车保有量逐年递增，交通道路设施的建设规模也非常庞大，车牌识别产品在这个过程中得到了广泛的应用和锤炼，产品的物理形态和系统结构都发生了明显的变化，更新换代的速度很快，目前的车牌识别产品已经逐渐脱离了单一的识别指标高下的竞争态势，主流车牌识别产品提供商在识别准确率上并没有非常明显的差距，就其产品优势而言，大致可分为两类，一类以核心识别算法的高精度和高稳定性为主要优势，识别算法的能力较强，而对相机成像的要求相对较低。另一类是以相机成像、视频编码作为核心竞争力，虽然核心识别算法的表现并不一定特别突出，但良好的图像质量是其最大的砝码。

　　待解之难及未来发展趋势

　　综合来看，车牌识别产品的竞争将更多的强调成像、图像预处理、算法、业务逻辑等系统各环节的相互配合。特别是物理成像以及图像预处理的水平可能会成为下阶段发展的关键，其原因在于当识别算法的发展达到一定的高度，短期内很难会出现非常突破性的变革，这时如何能够通过成像、光源、降噪等环节来为核心算法扫清障碍就成为了影响产品最终性能的制衡点。此外，与安防行业整体的发展相应地，以下几个趋势对车牌识别产品的影响也会非常深远：

　　1)、更高的分辨率及画面质量

　　作为一种典型的模式识别算法，车牌识别一直期望有更高的图像分辨率。从这几年的发展可以看到，随着分辨率的提升，单个相机所覆盖的车道数量逐渐增加，目前主流车牌识别智能相机已经可以单独覆盖3个车道，但事实上车牌的大小依然是很大的制约因素，如果相机的分辨率可以提升到千万量级，车牌识别的识别指标将会更加逼近“几乎不出错”的极限，而且车牌识别能够稳定工作的区域也会明显增大，一些目前并不特别可靠的扩展应用的效果将得到改观。除了分辨率提升外，画面质量也是同等重要的问题，近年高清相机的分辨率虽然提升的速度很快，但在动态范围的表现上却差强人意，导致在一些场景下出现亮处细节和暗处细节无法兼顾的问题，这将是下阶段相机发展的关键点之一。

　　2)、更高的计算能力和集成度

　　高清相机的发展必然导致车牌识别算法需要更大的计算资源，嵌入式平台核心芯片的更新速度将会直接影响车牌识别产品的形态以及发展方向，可以预期，更多的相关业务将会更集中的被放置在车牌识别智能相机上。

　　3)、更高的易用性、更强的适应能力

　　目前车牌识别算法本身的难题主要集中在车牌受到各种干扰时如何保证尽可能准确地识别，例如大型车常见的车牌污损、私家车辆规避限号的车牌遮挡、光照环境形成的阴影干扰等等。此外，车牌识别产品的参数配置一直相对繁琐，这很大程度上是为了能够通过精确的调整相机成像、补光、算法的各个环节，来确保达到最好的识别效果。如何利用好高分辨率和高计算能力来降低系统的操作难度，进一步解决这些经典的技术问题，提高系统配置的自动化水平是车牌识别产品下阶段需要着重投入的方向。