论文部分内容阅读
摘 要：车牌识别技术是构成交通系统智能化和现代化的关键因素，其能为交通管理提供切实可靠的依据。本文在阐述车牌识别技术原理的基础上，就智能监控装置车牌识别技术的类型展开分析，同时指出智能监控装置车牌识别的应用过程。期望能进一步提升智能监控装置车牌识别技术应用水平，进而实现交通安全的有效保证。
关键词：智能交通;监控装置;车牌识别
新经济形态下，我国国民经济获得了快速发展，居民拥有汽车的数量持续增加，这在方便人们出行的同时，也带来了一定的交通管理问题。良好的交通是国民文明的标志，也是人们安全出行的重要保障;基于此，智能监控装置车牌识别技术在交通安全管理中得以深入应用;本文就该技术的应用过程及要点展开分析。
一、车牌识别技术原理
车牌识别技术是发展现代智能交通的重要支撑，其在数字摄像技术的支撑下，融合使用计算机信息处理、图像处理、模式识别和人工智能技术，进而实现车辆类型的识别和车牌字符识别[1]。在具体识别中，道路工程两侧设置监控摄像机均自带数字摄像技术，该技术能够快速化、远程化的对车牌信息进行采集获取，然后将采集的信息传输到信息处理系统，最终实现车辆的数量、车牌信息、行驶速度的准确记录和检测。
二、智能监控装置车牌识别的类型
1、智能监控装置车牌结构模式识别
智能监控装置车牌识别技术应用中，字符识别是极为重要的一个环节，能在字符之间笔画和偏旁关系分析的基础上，分析字体的变化差异，最终达到车牌识别的目的。在结构模式识别中，需注重外力因素的有效管理，如当车牌字体倾斜、断裂，纸张污渍或字符粘连时，车牌识别结果的准确性就会有所降低，受这一缺陷影响，结构模式识别在当前车牌识别中的应用范围逐渐缩小。
2、智能监控装置车牌统计模式识别
2.1模板匹配识别
作为一种快速化的车牌识别技术，模板匹配识别以字符图像为基本参考依据，然后对照字库模板，选择相似度最高的模板作为字符识别结果[2]。该识别方式具有操作简单、效率高的特点，然当字体基本相同时，受自身难以细化分析的影响，模板匹配识别的精度会有所降低。
2.2变换特征识别法
相比于模板识别，变换特征识别法的应用过程较为复杂;在车牌识别过程中，其需要通过一系列的手段来降低字符的特征维数，通常二进制变换是较为常用的降维手段。该过程中，字符的变化并非固定不变的，所以其会导致识别自行与原字形之间出现较大误差。
2.3投影直方图和几何矩识别
几何矩识别过程中，矩不变量是字符识别的主要依据，在具体识别中，其线性变换条件变化过程难度较大，然识别过程抗感染鞥能力较强，而且通过“矩”得到的识别结果具有一定的稳定性、可靠性。
3、智能监控装置车牌的人工神经网络模式识别
人工神经网络模式是一种全新化的车牌识别技术;与传统车牌识别技术相比，其具有识别速度快、分类能力强、识别率高的特点，同时就容错率、数据处理能力、自学能力而言，其具有较为他突出的优势。从识别过程来看，人工神经网络模式能将车牌的字符、符号以点阵形式传输到神经元系统，然后由计算机系统进行字符分析识别，这有效地避免了个人主观判断对字符提取工作准确性的干扰，确保了车牌识别的效率性、准确性。
三、智能监控装置车牌识别技术的应用过程
1、基于车牌识别的车辆运动目标检测
运动目标检测是车牌图像分析和图像识别的基础。交通系统安全管理中，对于车辆运动目标偶的检测主要是通过固定摄像头来实现的。在该过程中，固定摄像头所获得背景是相对静止的，通过分割方法把出现的车辆分割出当前背景即可进行有效识别，具体而言，其识别过程包含了监控获取图像、图像预处理、形成背景、车辆检测、虚影/阴影去除等诸多环节。现阶段，光流场法、帧间差分法、背景减法事故车辆运动目标检测的常用方式，光流场法通过对运动场视频序列进行估算，实现前景与背景的分类;而在帧间差分法应用中，不仅需考虑视频序列问题，还需对图像中的时间要素进行统筹;此外，背景减法通过时间、空间两个要素来完成图像前后景的分离。交通系统管理中，智能监控装置车牌识别系统会在这些目标检测方式的支撑下，完成车辆的跟踪、分类和检测。
2、基于车牌识别的车辆运动目标追踪
模型追踪、活动轮廓追踪、区域追踪是较为常见的车辆运动目标追踪方式[3]。就模型追踪而言，其需要对车辆一维、二维、三维的几何信息进行获取，从中分析物体運动状态，其虽然具有较高的追踪效果，然运算量较大，反馈延迟相对交通。活动轮廓追踪中，车辆初始建模难度较大，然而其追踪时效性较强，计算过程简单。此外，区域追踪是当前较为常用的追踪手段，其适用于车辆数量较少的情况。需注意的是，为进一步提升车辆运动目标追踪质量，当前还兴起了一种基于特征的跟踪方法。其能对特征点、线或是面等子特征进行追踪，确保了追踪的高效性，在该方法应用中，需考虑多个车辆与目标车辆同时出现时，人们该如何考虑目标车辆子特征这一问题。
3、基于车牌识别的车辆运动目标分类
现阶段，对车辆运动目标分类包含了形状特征分类和运动特征分类中方法;前者考虑车辆散度、面积、长度和宽度等特征信息，而后者考虑车辆的运动状态和特征。需注意的是，当前运动车辆目标分类方式较为繁杂，部分车辆运动目标分类方式需要考虑模型求解问题;对此，可将其转化为二次型优化问题，以此来使得分类过程得以优化。
结论
智能监控装置车牌识别对于交通安全具有较大影响。城市化背景下，交通管理部门只有充分认识到智能监控装置车牌识别技术的原理和应用价值，并在了解各识别技术特征优势的同事，进行车辆信息的全面追踪，才能有效地提升智能监控装置车牌识别技术的应用水平，进而创造安全可靠的交通环境，确保人们出行的安全性。
参考文献
[1] 郝芯，吴翠红，张广杰，等.智能监控装置车牌识别技术研究[J].湖北农机化，2019（15）：96-97.
[2] 尚金生.智能交通中的视频图像处理技术分析[J].现代信息科技，2019，3（14）：86-88.
[3] 曹晶.新形势下智能交通系统中的车牌识别技术研究[J].通讯世界，2016（08）：272-273.
关键词：智能交通;监控装置;车牌识别
新经济形态下，我国国民经济获得了快速发展，居民拥有汽车的数量持续增加，这在方便人们出行的同时，也带来了一定的交通管理问题。良好的交通是国民文明的标志，也是人们安全出行的重要保障;基于此，智能监控装置车牌识别技术在交通安全管理中得以深入应用;本文就该技术的应用过程及要点展开分析。
一、车牌识别技术原理
车牌识别技术是发展现代智能交通的重要支撑，其在数字摄像技术的支撑下，融合使用计算机信息处理、图像处理、模式识别和人工智能技术，进而实现车辆类型的识别和车牌字符识别[1]。在具体识别中，道路工程两侧设置监控摄像机均自带数字摄像技术，该技术能够快速化、远程化的对车牌信息进行采集获取，然后将采集的信息传输到信息处理系统，最终实现车辆的数量、车牌信息、行驶速度的准确记录和检测。
二、智能监控装置车牌识别的类型
1、智能监控装置车牌结构模式识别
智能监控装置车牌识别技术应用中，字符识别是极为重要的一个环节，能在字符之间笔画和偏旁关系分析的基础上，分析字体的变化差异，最终达到车牌识别的目的。在结构模式识别中，需注重外力因素的有效管理，如当车牌字体倾斜、断裂，纸张污渍或字符粘连时，车牌识别结果的准确性就会有所降低，受这一缺陷影响，结构模式识别在当前车牌识别中的应用范围逐渐缩小。
2、智能监控装置车牌统计模式识别
2.1模板匹配识别
作为一种快速化的车牌识别技术，模板匹配识别以字符图像为基本参考依据，然后对照字库模板，选择相似度最高的模板作为字符识别结果[2]。该识别方式具有操作简单、效率高的特点，然当字体基本相同时，受自身难以细化分析的影响，模板匹配识别的精度会有所降低。
2.2变换特征识别法
相比于模板识别，变换特征识别法的应用过程较为复杂;在车牌识别过程中，其需要通过一系列的手段来降低字符的特征维数，通常二进制变换是较为常用的降维手段。该过程中，字符的变化并非固定不变的，所以其会导致识别自行与原字形之间出现较大误差。
2.3投影直方图和几何矩识别
几何矩识别过程中，矩不变量是字符识别的主要依据，在具体识别中，其线性变换条件变化过程难度较大，然识别过程抗感染鞥能力较强，而且通过“矩”得到的识别结果具有一定的稳定性、可靠性。
3、智能监控装置车牌的人工神经网络模式识别
人工神经网络模式是一种全新化的车牌识别技术;与传统车牌识别技术相比，其具有识别速度快、分类能力强、识别率高的特点，同时就容错率、数据处理能力、自学能力而言，其具有较为他突出的优势。从识别过程来看，人工神经网络模式能将车牌的字符、符号以点阵形式传输到神经元系统，然后由计算机系统进行字符分析识别，这有效地避免了个人主观判断对字符提取工作准确性的干扰，确保了车牌识别的效率性、准确性。
三、智能监控装置车牌识别技术的应用过程
1、基于车牌识别的车辆运动目标检测
运动目标检测是车牌图像分析和图像识别的基础。交通系统安全管理中，对于车辆运动目标偶的检测主要是通过固定摄像头来实现的。在该过程中，固定摄像头所获得背景是相对静止的，通过分割方法把出现的车辆分割出当前背景即可进行有效识别，具体而言，其识别过程包含了监控获取图像、图像预处理、形成背景、车辆检测、虚影/阴影去除等诸多环节。现阶段，光流场法、帧间差分法、背景减法事故车辆运动目标检测的常用方式，光流场法通过对运动场视频序列进行估算，实现前景与背景的分类;而在帧间差分法应用中，不仅需考虑视频序列问题，还需对图像中的时间要素进行统筹;此外，背景减法通过时间、空间两个要素来完成图像前后景的分离。交通系统管理中，智能监控装置车牌识别系统会在这些目标检测方式的支撑下，完成车辆的跟踪、分类和检测。
2、基于车牌识别的车辆运动目标追踪
模型追踪、活动轮廓追踪、区域追踪是较为常见的车辆运动目标追踪方式[3]。就模型追踪而言，其需要对车辆一维、二维、三维的几何信息进行获取，从中分析物体運动状态，其虽然具有较高的追踪效果，然运算量较大，反馈延迟相对交通。活动轮廓追踪中，车辆初始建模难度较大，然而其追踪时效性较强，计算过程简单。此外，区域追踪是当前较为常用的追踪手段，其适用于车辆数量较少的情况。需注意的是，为进一步提升车辆运动目标追踪质量，当前还兴起了一种基于特征的跟踪方法。其能对特征点、线或是面等子特征进行追踪，确保了追踪的高效性，在该方法应用中，需考虑多个车辆与目标车辆同时出现时，人们该如何考虑目标车辆子特征这一问题。
3、基于车牌识别的车辆运动目标分类
现阶段，对车辆运动目标分类包含了形状特征分类和运动特征分类中方法;前者考虑车辆散度、面积、长度和宽度等特征信息，而后者考虑车辆的运动状态和特征。需注意的是，当前运动车辆目标分类方式较为繁杂，部分车辆运动目标分类方式需要考虑模型求解问题;对此，可将其转化为二次型优化问题，以此来使得分类过程得以优化。
结论
智能监控装置车牌识别对于交通安全具有较大影响。城市化背景下，交通管理部门只有充分认识到智能监控装置车牌识别技术的原理和应用价值，并在了解各识别技术特征优势的同事，进行车辆信息的全面追踪，才能有效地提升智能监控装置车牌识别技术的应用水平，进而创造安全可靠的交通环境，确保人们出行的安全性。
参考文献
[1] 郝芯，吴翠红，张广杰，等.智能监控装置车牌识别技术研究[J].湖北农机化，2019（15）：96-97.
[2] 尚金生.智能交通中的视频图像处理技术分析[J].现代信息科技，2019，3（14）：86-88.
[3] 曹晶.新形势下智能交通系统中的车牌识别技术研究[J].通讯世界，2016（08）：272-273.