面议 | |
1套 | |
不限量 | |
自买家付款之日起3天内发货 | |
在交通管理系统中可以将车辆在某条道路的平均旅行时间作为判断该道路拥堵状况的一个参数。安装车牌识别设备于道路的起止点,识读所有通过车辆并将牌照号码传回交通指挥中心,指挥中心的管理系统根据这些结果就可计算出车辆平均旅行时间。
通过对图像的采集和处理,完成车牌自动识别功能,能从一幅图像中自动提取车牌图像,自动分割字符,进而对字符进行识别.其硬件基础一般包括触发设备(监测车辆是否进入视野)、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机(如计算机)等。
人工神经网络技术,计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题,例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别,BAM神经网络是由相同神经元构成的双向联想式单层网络,每一个字符模板对应着个BAM矩阵,通过与车牌上的字符比较,识别出正确的车牌号码。
为了测试一个车牌识别系统识别率,需要将该系统安装在一个实际应用环境中,全天候运行24小时以上,采集至少1000辆自然车流通行时的车牌照进行识别,并且需要将车辆牌照图像和识别结果存储下来,以便调取查看。然后,还需要得到实际通过的车辆图像以及正确的人工识别结果。之后便可以统计出以下识别率:
例如一个车牌系统在白天有90%以上的准确度,到了傍晚就降到80%,夜间又降到70%,这种不稳定的系统,比起全天候平均拥有70%准确度的车牌辨识系统更难于整合。因为使用者会认为,既然白天的辨识率有90%,那全天候的准确率都要达到90%才合理,这样的规格还不包括奇怪的环境干扰(暴雨袭击、冰雹、浓雾区段等),与架设环境限制(高度限制、风大摇晃限制、不容易遭受人为破坏等)。
几乎每家都宣称拥有高辨识率,但为了避免事后因为双方对产品认知有差异,而将运作不良的责任互相推托,用户在采购车牌辨识系统时,不妨要求实地测试,而且测试时间好超过两个礼拜,比较能判断辨识结果是否“言过其实”。因为多变的环境,两个礼拜应该可以对于场域可能影响辨识率的情形,大约掌握了八成,如果只是测一天、甚至几个小时,是无法了解的。