当前中文车牌识别现状(2018年9月)
中文车牌识别，经过近二十年的发展，在特定场景下，已经具备了相对成熟的解决方案。如停车场卡口，小区入口等。车牌识别技术是现代智能交通系统重要组成部分，其应用十分广泛。它以计算机视觉处理、数字图像处理、模式识别等技术为基础，对摄像机所拍摄的车辆图像或者视频图像进行处理分析，得到每辆车的车牌号码，从而完成识别过程。
【当前中文车牌识别现状(2018年9月)】车牌识别在高速公路车辆管理中得到广泛应用，如高速收费，交通违章检测等。在停车场管理中，车牌识别技术也是识别车辆身份的主要手段。本文针对目前国内针对车牌识别的商业化方案，科研工作者最新研究以及开源方案进行分析。
商业化方案中，几个老牌的车牌识别公司都具有较好的商业化版本，应用也较为广泛，包括北京文通科技，北京易泊时代等，文通的技术源于清华的技术团队，研究早，商业化也比较完善，在车牌识别方案上应用广泛。最近访问北京文通的官网，产品更新不多，目前出现的新能源已经已经可以支持，比其他的商业化公司慢了一些。成都的火眼臻视公司，做停车场卡口车牌识别，包括卡口相机，配套软件等，在停车场具有较高的市场占有率。北京精英智通科技主要针对智能泊车收费，其中车牌识别方案也具有较好的识别。目前市场上的车牌识别产品，大多采用检测+分割+识别的方案，这种方案依赖于分割的效果，对于图像模糊粘连处理有一定难度。当前的一些基于深度学习车牌识别，也有一些公司在做，作者了解到，北京智云视图公司采用了端到端车牌识别，也取得了不错的识别效果。在其开源的代码中可以看到，训练新的样本比较简单。
科研工作者也针对中文这牌识别提出了很多优秀的算法，Automatic License Plate
Recognition (ALPR): A State-of-the-Art Review 这篇文章发表于2013年，总结了截止当时一些车牌识别的整体算法及方案。今年英特尔公司的研究人员提出的：LPRNet: License Plate Recognition via Deep Neural Networks（http://cn.arxiv.org/pdf/1806.10447），在大陆多种车牌上取得了不错的效果。
文章图片
LPRNet 识别示例 作者采用一种端到端的识别方案，不需要进行图片的分割，速度快，准确度高于95%。其他的科研工作者也提出了一些车牌定位、识别的方案，包括基于传统特征定位的，基于cascade
LBP 等，还有基于深度学习的方法。
在开源界也有许多优秀的算法，目前github上比较优秀的开源方案包括OpenALPR，easyPR，HyperLPR等。其中OpenALPR针对国外车牌，如果需要利用其识别国内车牌，需要重新训练以及代码的修改，可以作为一种车牌识别的思路进行参考。easyPR是车牌识别爱好者开发的中文车牌识别框架，作者目前在南京大学读博，代码具有一定参考价值。编译运行代码，但是速度跟准确率都不能达到商用。HyperLPR是智云视图开源的一个车牌识别代码，作者提到该算法采用了神经网络，端到端的进行识别。改代码提供了多个平台的代码方案，包括linux、win、ios、android等。我们运行了该代码，速度跟准确率算是开源代码中很不错的了。但是与其提供的demo还有一点差距，需要使用者自己完善。
文章图片
HyperLPR开源车牌识别 虽然车牌识别技术已得到很大发展，但是仍然存在难点。这些难点集中体现在以下几个方面：（1）由于光照、大雾、沙尘暴等天气影响，导致采集到的图像质较低，字符受到噪声干扰，造成部分目标图像被背景图像掩盖，降低车牌字符识别的准确率。（2）我国车牌的特殊性。（a）我国车牌的字符包括中文、数字和英文字母。由于中文字符的笔画较为复杂，在对中文字符进行二值化处理后，容易造成笔画模糊，从而导致错误的识别。同时在对车牌字符识别时，需要对英文字母和数字进行混合识别，受部分英文字母和数字字符相似的影响，会造成英文字母和数字的误识。（b）我国车牌识别颜色的多样性，比如蓝色白底、黄底黑字、黑底白字等，在利用车牌颜色的特征时需要考虑多种情况，增加了额外的工作量。
最后希望科研工作者能够研究车更快、更准确的算法，能够适应多种车牌类型及其他复杂场景。也希望开源爱好者能提供好的思路，帮助大家一起学习进步。
推荐阅读
- 《机器学习实战》高清中文版PDF英文版PDF+源代码下载
- EdgeDB 架构简析
- 从某医院副院长拒不戴口罩被保安视频曝光事件看当前物业管理水平
- BLAS|BLAS API 中文文档（2）（待续）
- 安卓、常见错误、规整
- Maven|Maven test命令 中文乱码
- 疫情当前，就要剽悍成长
- 歪词解释（老公）
- 高清视频|车牌识别技术在停车场管理中的垂直应用
- AAC-中文语言设置/Windows10中文语言设置