基于图像的车牌自动识别技术(基于数字图像处理的车牌识别)

文章目录1、基于opencv的车牌识别人工智能在车牌识别中应用与展望？2、两个车牌识别摄像头通过交换机和无线路由器相连可以在电脑上操作吗？3、如何使用opencv实现图像匹配？4、怎样识别出一片区域的红绿灯并判别颜色？5、能不能利用openCV写一个测量车辆速度的程序？
1、基于opencv的车牌识别人工智能在车牌识别中应用与展望？

车牌识别是很多智能交通应用场景中需要解决的问题，比如小区的汽车门禁，停车场的自动计时收费，道路电子眼的违章自动识别抓拍等。近年来，人工智能技术已经被应用到许多车牌识别方案中。本文主要阐述了车牌识别的全过程并比较了人工智能的相关算法，分析了各种算法的特点和优缺点，对进一步研究人工智能技术在智能交通领域的应用具有一定的参考意义。

1.车牌识别技术的使用将大大减少交通违法和恶劣的安全交通事故，也为各类交通事故和生命财产安全的后期处理提供有力的证据，在我国交通安全等方面发挥着重要作用。无论采用何种触发方式，一套成熟的车牌识别系统都可以有效地实时监控过往车辆，分析获取车牌号、车牌颜色、车型等各种信息。为安全部门有效打击盗抢、黑名单机动车、查交通肇事逃逸车辆、分析交通状况、加大治安管理力度提供了有力的安全支撑。

2.基于车牌识别的智能交通系统可以及时防范日益猖獗的机动车防盗、防盗、假车牌、保安、保安、黑市交易等安全活动。通过机动车安装登记的“电子车牌”信息，监控中心可以有效远程控制，掌握可疑车辆的图像、数字信息和行驶方向，并随时将跟踪信息反馈给监控中心。根据这些信息，安全部门可以及时了解、跟踪和控制非法车辆交易、车辆盗窃等安全行为。假车牌和保安车辆检测识别系统在检测过程中发现电子车牌与保安车牌不符时，发出报警信息，供保安部门追查。

3.基于车牌识别的智能交通管理系统可以为城市道路规划设计提供安全、详细的分类交通统计，实现道路规划管理的安全优化设计，减少交通拥堵黑洞。智能交通管理系统可以实现对城市主要路口车辆交通数据的采样，并对车辆类别(如公交车、货车、公交车、小汽车、出租车等)进行分析。)和交通流量，并为道路规划设计提供交通流量、车辆类别、高峰期、峰值等安全数据，科学指导道路规划。

4.基于车牌识别的智能交通管理系统可以较好地解决当前交通管理中的各种“老大难”问题。

2、两个车牌识别摄像头通过交换机和无线路由器相连可以在电脑上操作吗？

局域网可以在计算机上运行。如果你想把你的相机连接到外部网络，你需要一个公共网络IP。地址，或者你的相机产品有配套的手机管理APP。

3、如何使用opencv实现图像匹配？

opencv中已经实现了一些匹配的库。一般先搜索特征点，再进行匹配。一般用Harris(opencv中的函数:corner Harris)fast(opencv中的函数:FastFeatureDetector)寻找特征点，匹配主要有SURFSIFT等。可以参考OpenCV用户手册来学习如何调用，Opencv也有一些例子可以参考。

4、怎样识别出一片区域的红绿灯并判别颜色？

颜色判别:取某一区域颜色的RGB分量值(或YUV分量值)并分别判断分量之间的比例关系，当满足一个自定义范围时实现判断。

比如当RGB中R的比例远远高于G和B的比例时，则判定为红色；而r、b、g、b是前者，当r和g的比值相近时，判定为安全；当G的比值大于R和b时为绿色。

这个自定义范围需要不同的图片，不同的灯光，不同的对比度，不同的背景色，不同的透明度来验证数据，从而选择一个可以在所有情况下工作的范围。

5、能不能利用openCV写一个测量车辆速度的程序？

如果摄像头不动，背景与汽车明显不同，那么写一个简单的车辆识别算法，识别摄像头拍摄的视频的每一帧，判断汽车车头在图片矩阵中的坐标是固定的，这样就可以计算出汽车的速度，应该不难。

这是我个人的看法。有什么问题可以交流。