车牌识别对摄像机的要求
1、对摄像机清晰度要求。图像水平分辨率要大于480线,高清晰度摄像机要配高清晰度监视器。
2、摄像机低照度也称作灵敏度。低照度指标不能只看前面的数字有多少,而应该看这个指标是在什么条件下测到的。如彩色低照度0.15Lux/F1.4/50IRE/AGCON,这表明0.15Lux的低照度是用F1.4通光量镜头,视频信号测量电平在50IRE(350mv),AGCON的条件下测出来的。如果换通光量大的F1.0镜头,视频信号测量电平在25IRE,测出的低照度指标更低。1/2英寸CCD摄像机的灵敏度和图像质量要**1/3英寸CCD摄像机。
关于IRE,定义CCD摄像机的视频输出大振幅为100IRE或者700毫伏,一个100IRE的视频表示可以完全驱动一个监视器表现好亮度和对比度的优质影像,只有50IRE或350毫伏的视频表示只有一半的对比度,30IRE或者210毫伏表示只有原始振幅的30%,通常30IRE是低的可用图像的数值,一个标准的摄像机当自动增益提高到大增益时噪度等级应该在10IRE,因此能提供3:1或10dB信噪比可以接受的影像。一个在10IRE下测量的结果可以比在100IRE下测量的结果高出10倍,因此没有标出IRE等级的结果实际上是没有意义的。
详解停车场应用车牌识别系统的各种优点
现在不管是*城市还二线,都存在着堵车的问题,有着严重的堵车现在,自然也有着停车的困难,虽说停车难是因为车多了,但对停车场没有智能化,效率低也是有很大关系的,对此,好多停车场系统的厂家也就将车牌识别系统越来越智能化了,德立达就在这领域做得很不错的一家,有需要的朋友可以去看看。
车牌识别系统在国内的发展
车牌识别按照运行环境可以简单分为PC端和头端(嵌入式)。目前国内车牌识别系统在PC端已有一些厂家使用深度学习方法,而头端都还是采用传统方法。随着深度学习**芯片的研发,明年应该就会有深度学习方法应用在头端的产品发布。由于国内外车牌规则较多,传统方法局限性比较大,很难通用。对于特殊场景,比如低照度、透视变换、低质模糊等,车牌识别率仍然有待提升。而无论是传统方法还是深度学习方法,有些共同的模块技术仍有提高的空间和研究的价值,比如运动区域检测,车牌定位,透视变换校正,多帧融合输出等。而对于传统方法,字符分割和字符识别仍有可提高空间。