车牌识别技术研究实现

车牌识别技术研究与实现

姓名：李罗川

学号：ZY1403222

完成时间：2015年05 月06 日

目录

1车牌识别技术研究背景与意义 (1)

1.1背景 (1)

1.2解决的问题 (1)

2现状与前景 (3)

3具体实现 (5)

3.1原理方法 (5)

3.2关键步骤与算法 (5)

3.2.1 车牌定位 (5)

3.2.2 车牌字符分割 (10)

3.2.3 车牌字符识别算法的研究 (12)

1车牌识别技术研究背景与意义

1.1背景

近年来,车辆数量和交通设施随着经济的快速增长而增长,但是交通设施的增长速度远远落后于车辆数量的增长速度,这引发了交通拥堵、交通事故、环境污染等难题。为了在根本上解决交通难题,世界各国纷纷利用先进的信息技术研究智能交通系统(Intelligent Transportation System,简称 ITS)。智能交通系统是一种充分利用各种先进的高新技术来实现实、准确、高效的交通管理系统,使交通更畅通更安全;它也是一种交通信息服务系统,使人们出行更方便更快捷。随着智能交通系统的快速发展,智能交通系统已经融入人们的日常生活,使人们的生活越来越方便。

随着计算机技术、通讯技术和计算机网络技术的发展，自动化的信息处理水平和能力不断提高，各种各样的交通系统应运而生，如电子警察系统、道路收费、车载导航系统、全球定位系统、车辆自动识别系统等都在为交通运输服务，对交通控制、安全管理的要求也越来也高，ITS（智能交通系统）已成为当前交通管理发展的主要方向。车辆是智能交通系统中的重点研究对象,每辆车都有自身唯一的车牌号码,车牌号码反映了车辆信息以及关联着车主信息,通过车牌号码可以记录对应车辆的交通行为,因此,车牌识别技术是智能交通系统中最核心最基础的技术之一,决定着智能交通系统的发展速度和技术水平。作为智能交通系统中的一种核心技术和关键环节，车牌识别技术的深入研究不但具有较高的理论价值，也具有很高的实用经济价值，极大的推动了整个智能交通系统的发展。

1.2解决的问题

车牌识别技术可以实现自动登记车辆“身份”,已经被广泛应用于各种交通场合,对“平安城市”的建设有着至关重要的作。具体概括如下:

(1)电子警察系统

电子警察系统作为一种抓拍车辆违章违规行为的智能系统,大大降低了交通管理压力。随着计算机技术和CCD技术的发展,目前电子警察系统已经是一种纯视频触发的高清抓拍系统,可以完成多项违章抓拍功能,其中包括违章闯红灯抓拍功能、违章不按车道行驶抓拍功能、违章压线变道抓拍功能、违章压双黄线抓

拍功能和违章逆行抓拍功能等内容。电子警察自动抓拍违章车辆以及识别车牌号码,将违法行为记录在案。电子警察系统大大节省警力,规范城市交通秩序,缓解交通拥堵,减少交通事故。

(2)卡口系统

卡口系统对监控路段的机动车辆进行全天候的图像抓拍,自动识别车牌号码,通过公安专网与卡口系统控制中心的黑名单数据库进行比对,当发现结果相符合时,系统自动向相关人员发出警报信号。卡口系统记录的图像还可以清楚地分辨司乘人员(前排)的面部特征。

(3)高速公路收费系统

高速公路收费系统已经基本实现自动化,当车辆在高速公路收费入口站时,系统进行车牌识别,保存车牌信息,当车辆在高速公路收费出口站时,系统再次进行车牌识别,与进入车辆的车牌信息进行比对,只有进站和出站的车牌一致方可让车辆通行,自动收费系统可以有效地提高车辆的通行效率,并且可以有效地检测出逃费车辆。

(4)高速公路超速抓拍系统

系统抓拍超速的车辆和识别车牌号码,并通过公安专网将超速车辆的车牌号码传达到各出口处罚点,各出口处罚点用车牌识别设备对出口车辆进行车牌识别,与己经收到的超速车辆的号码对比,一旦号码相同立即报警。

(5)停车场收费系统

当车辆进入停车场时,收费系统抓拍车辆图片进行车牌识别,保存车辆信息和进入时间,并语音播报空闲车位,当车辆离停车场时,收费系统自动识别出该车的车牌号码和保存车辆离的时间,并在数据库中查找该车的进入时间,计算出该车的停车费周,车主交完费用后,收费系统自动放行。停车场收费系统不但实现自动化管理,节约人力,而且还保证了车辆停放的安全性。

(6)公交车报站系统

当公交车进入和离开公交站台时,报站系统对其进行车牌识别,然后与数据库中的车牌进行比对,语音报读车牌结果和公交线路。综上所述,车牌识别技术的广泛应用使道路安全、交通通畅、车辆安全、环境保护得到了全面的保障。

2现状与前景

自1988年提出车牌识别（License Plate Recognition，LPR）技术以来，人们己经对其进行了广泛的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。在车牌识别过程中，也出现了很多的技术方法，但由于外界环境光线变化、光路中有灰尘、季节环境等变化及车牌本身比较模糊等条件的影响，使得LPR系统一直是一个有解但一直不能解决得很好的问题，而且许多方法都需要大量的数值计算，并没有考虑到实时处理的环境。为了解决图像恶化的问题，目前国内外的研究机构或公司企业采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率，这样做的同时也造成了系统的投资成本过大，应用领域变小，不适合普遍的推广。在国外己有不少关于车牌自动识别的文章发表，有的己经很成熟，投入实际使用。

早在70年代国外就有自动车牌检测系统用于检查被盗车辆的情况，时至今日，己达到很高的应用水平。从实用产品来看，英国IPI公司研发了RTVNPR (REAL TIME VEHICLE NUMBER PLATE RECOGNITION)系统，以色列Hi-Tech公司的See Car System系列产品，新加坡Optasia公司的VLPRS 产品，HSTOL公司开发的LPR 系统，香港Asia Vision Technology公司的VECON产品等等，VECON系统和VLPRS 系统都只是适合于当地的车牌，而See Car System 系统对我国的汉字识别精确率并不高。我国车牌自动识别的研究起步较晚，约发生在八十年代末。由于我国的车牌规范不够，较为多样化，不同汽车车型有不同的规格、大小和颜色，对车牌识别造成了一定的困难。国内做得较好的产品有中科院自动化研究所汉王公司的“汉王眼”、川大智胜软件的ZT2000车牌自动识别系统等。同时一些国内知名的研究机构和高等院校也对车牌识别系统进行过理论研究和实际开发。

关于车牌识别系统的研究，国内外学者已经做出了大量的研究，但仍然存在一些问题，比如车牌图像的倾斜、车牌自身的磨损、光线的干扰都会影响到定位的精度。车牌字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的过程。目前已有的方法很多，但其效果与实际的要求相差很远，难以适应现代化交通系统高速度、快节奏的要求。因而对字符识别的进一步研究也同样具有紧迫性和必要性。如何快速准确地提取目标车辆的车牌信息一直是一个技术性难题，它一直制约着交通系统现代化、自动化、智能化的发展脚步。

技术的核心是通过对拍到的车牌图像进行分析，在非人工千预的情况下自动获取车牌信息，从而确定车辆牌号。在车牌识别系统研究中，许多的新技术和新方法被不断地提出并应用，例如图像处理技术、模糊数学理论、神经元网络算法等等，也有人将一些传统方式和高新技术相结合来进行应用，但到目前为止，由于各种客观的不利环境因素存在，还没有一种通用的方法或技术来解决应用中的所有技术难题，它们在系统的准确性和实时性方面虽都有其自己的解决办法和设计方案，但健壮性和鲁棒性均达不到理想要求。因此 LPR 系统虽然经历了 20 多年的发展，依然是一个能够被解决但一直没有被妥善解决的问题。

3具体实现

3.1原理方法

车牌识别就是依次实现汽车图像的车牌定位、车牌字符分割、车牌字符识别算法的过程。车牌定位就是把车牌图像从含有汽车和背景的图像中提取出来，其输入的是原始的汽车图像，输出是车牌图像。车牌的字符分割就是通过对车牌图像的预处理、几何校正等把字符从车牌图像中分割出来，分成一个个独立的字符，其输入是车牌定位后得到的车牌图像，输出是经过预处理、几何校正等后得到的一组单个的字符图像，并得到各个字符的点阵数据。字符识别是依次从单个字符点阵数据中提取字符特征数据，并给出识别结果。

3.2关键步骤与算法

3.2.1车牌定位

车牌定位是车牌识别系统的基础，其定位的准确与否直接影响到车牌的字符分割和识别效果，是影响整个车牌识别系统识别率的主要因素。车牌定位，即运用数字图像处理、模式识别、人工智能等技术对采集到的汽车图像进行处理，从而准确地获得图像中的车牌区域，其输入是原始的汽车图像，输出是车牌图像。在现实车牌识别系统中，由于光照不均匀、背景的复杂性等原因，造成准确定位出车牌的难度较大。目前，根据车牌的特征，常见的车牌定位方法有基于车牌颜色特征信息的定位法、基于车牌区域频谱特征的定位法、基于分类器的车牌定位法、基于车牌边缘特征的车牌定位法等，这些方法各有所长。值得注意的是，车牌定位算法的分类并不是唯一的，区别算法类别的标准并不十分明确。车牌定位算法的方法多种多样、各有所长，但存在着计算量大或者定位准确率不高等问题。

车牌定位是车牌识别的关键步骤，为了能在复杂背景和不均匀光照条件下快速准确定位车牌位置，本文介绍一种基于改进Isotropic Sobel边缘检测算子的

车牌定位算法，试图由此来解决其存在的问题，该算法通过改进Isotropic Sobel 边缘检测算子，实现了车牌图像在水平、垂直以及对角线方向上的纹理特征提取，然后采用Otsu算法阈值化，再对阈值化后的二值图像做数学形态学运算得到车牌的候选区域，最后利用车牌特征去除伪车牌。算法流程图：

对输入的彩色图像进行灰度化处理：

彩色图像包含更多的信息，但是直接对彩色图像进行处理的话，系统的执行速度将会降低，储存空间也会变大。彩色图像的灰度化是图像处理的一种基本的方法，在模式识别领域得到广泛的运用，合理的灰度化将对图像信息的提取和后续处理有很大的帮助，能够节省储存空间，加快处理速度。灰度化的公式如下： Y=a×R +b × G+ c × B

其中系数a,b ,c 要大于0，且 a + b+ c= 1,Y 表示灰度值，R、G 、B分别表示RGB空间中的3个基本色，即红、绿、蓝。使用经验权指 a= 0.299、 b =0.584、c =0.117

边缘检测的方法是考察图像的像素在某个领域内灰度的变化情况，标识数字图像中亮度变化明显的点。图像的边缘检测能够大幅度地减少数据量，并且剔除不相关的信息，保存图像重要的结构属性。在实际的图像分割中，往往只用到一阶和二阶导数进行边缘检测，虽然，在原理上，可以用更高阶的导数，但是，因为噪声的影响，在纯粹二阶导数操作中就会出现对噪声敏感的现象，三阶以上的导数信息往往失去了应用价值。此外，二阶导数还可以说明灰度突变的类型，在有些情况下，如灰度变化均匀的图像，只利用一阶导数可能找不到边界，此时二阶导数就能提供很有用的信息。为了减少二阶导数对噪声敏感，解决的办法是先对图像进行平滑滤波，消除部分噪声，再进行边缘检测。常见的利用一阶导数计算的算子有Roberts算子、Prewitt算子、Sobel算子、Isotropic Sobel

算子，利用二阶导数的算子有Laplacian算子等

Sobel边缘检测算子

Sobel算子是根据邻域像素与当前像素的距离有不同的权值，强调中心像素的对边邻域像素对其的影响，而消弱4个对角近邻像素的作用。图像中每一个像素点都用这两个核做卷积，一个卷积核对图像垂直边缘响应最大，而另一个则对水平边缘响应最大，取两个卷积之中的最大值作为该像素点的输出值。这样使得Sobel算子对噪声有抑制作用，因此不会出现很多孤立的边缘像素点，不过Sobel 算子对边缘的定位不是很精确，图像的边界宽度往往不止一个像素，不适合对边缘定位准确性要求很高的应用。与Prewitt相似，Sobel算子也是通过像素平均来实现的，也有一定的抗噪能力。值得注意的是它们都不是各向同性的，所以它们检测出来的边缘并不是完全连通的，会有一定程度的断开。

Sobel边缘检测还有另外一种形式，称为Isotropic Sobel算子，该算子具有各向同性的特征，利用加权平均算子，权值反比于邻点与中心点的距离，当沿着不同方向检测边缘时梯度幅度一致，因此它的位置加权系数更准确，在检测不同方向上的边缘时梯度的幅度一致，但速度较一般Sobel算子要慢一些。用于边缘检测的算子很多，常用的还有Laplacian边缘检测算子、Canny边缘检测算子等。

对边缘检测后的灰度图进行二值化处理

车牌图像经过边缘检测之后，车牌上的字符及边缘信息会突出出来，同时，其他非字符和非车牌边框的边缘纹理特征也突出了出来，为了减少噪声的影响，需要对车牌图像进行二值化处理，二值化是对图像进行阈值化的一种类型。根据阈值的选取情况，二值化的方法可分为全局阈值法、动态阈值法和局部阈值法，本文介绍最大类间方差法（也称Otsu算法）进行阈值化，来剔除一些梯度值较小的像素，减少需要查找的车牌范围，二值化处理后车牌图像的像素值为0或者255。

最大类间方差法是Otsu在1979年提出的动态阈值分割方法，该方法是基于图像灰度概率分布的算法，通过最大化类间方差来获取最佳阈值的目的，最大类间方差算法的名称由此而来。它按图像的灰度特性，将图像分成背景和目标部分，背景和目标之间的类间方差越大，说明构成图像的2部分的差别越大，当部分目

标错分为背景或部分目标错分为目标都会导致2部分差别变小。Otsu算法计算简单，自适应能力强，不受图像的对比度和密度变化影响，在一些实时图像系统中得到广泛应用

对车牌图像进行图像形态学操作

由于成像系统、传输介质、记录设备等的不完善，以及天气情况的变化等，车牌图像往往受到多种噪声的污染。在经过二值化处理的车牌图像上，会出现一些与要研究的对象（即车牌区域）不相关的孤立点或者像素块，扰乱图像的研究对象，影响对车牌区域的提取、分割等操作。于是要构造一种有效抑制噪声的滤波器来有效的去除目标和背景中的噪声，同时，能够很好地保护车牌区域的形状、大小及特定的车牌纹理特征。图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像处理中消除噪声的不可或缺的操作，其处理的结果的好坏将直接影响到对后续图像进行处理和分析的有效性和可靠性。常用的滤波操作方法有很多种，如中值滤波、形态学滤波、高斯滤波、双边滤波等。我们在这里介绍一下中值滤波和本文所研究系统采用的形态学滤波。

中值滤波器

是由Turkey在1971年提出的，最初用于时间序列的分析，后来被用于图像处理，并在去噪中取得了较好的效果。中值滤波器是基于次序统计完成信号的恢复的一种典型地非线性滤波器，它将滤波窗口内的最大值和最小值均视为噪声，它的基本原理是把图像或序列中心点位置的值用该区域的中值代替，具有运算简单、除噪效果好、速度快等优点，曾经被认为是非线性滤波的代表。然而，一方面由于中值滤波因不具有平均作用，在滤除类似如高斯噪声时会严重损失信号的高频信息，使得图像的边缘细节变得模糊；另一方面，中值滤波器易受到噪声强度以及滤波窗口的大小和形状等因素的制约。为了使得中值滤波器具有更好的细节保护的能力，人们提出了许多种中值滤波器的改进算法，并且具有不错的效果。中值滤波器的缺点是其滤波结果不可避免地会破坏图像的线段、角度等信息。因此，一种既可以实现有效滤除噪声又能完整的保留图像的细节的滤波机制是很难实现的。

数学形态学(Mathematical Morphology)是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣在1964年提出，在从事铁矿核的定量岩石学分析及

预测其开采价值的研究中提出“击中/击不中变换”，并在理论层面上第一次引入了形态学的表达式和建立了颗粒分析方法。他们的工作奠定了这门学科的理论基础，如击中/击不中变换、开闭运算、布尔模型及纹理分析器的原型等。数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础。应用数学形态学可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。数学形态学的算法具有天然的并行实现的结构，实现了形态学分析和处理算法的并行,大大提高了图像分析和处理的速度。可见，数学形态学是一门建立在严格数学理论基础上的学科，其基本思想和方法对图像处理的理论和技术产生了重大影响。目前，有关数学形态学的技术和应用正在不断地研究和发展。基本的形态转换是膨胀与腐蚀，它可以实现很多功能，例如消除噪声、在图像中连接相邻的元素、分割出独立的图像元素等。膨胀是指将图像中的一部分区域A与核B进行卷积，即计算核B覆盖的区域的像素点的最大值，并把得到的最大值赋给参考点指定的像素。这样就会使得图像中的亮度区域变得更强。在试图寻找连通分支（即具有相似强度或颜色的像素点的块状互相分离的区域）时通常用膨胀操作，在大多数情况下，一个大块的区域可能被阴影、噪声等分割成很多部分，而膨胀操作可以把这些分割的部分连接起来。腐蚀是膨胀的反操作，即腐蚀操作是计算核B覆盖的区域的最小值，并且把该最小值赋值给参考点。腐蚀可以将图像上的斑点腐蚀掉，且能确保图像内的大块区域仍然存在。另外两个重要的形态学运算是开运算和闭运算，这两个操作包含了腐蚀和膨胀操作。开运算是先将源图像腐蚀然后再膨胀，可以使用开运算来统计二值图像中的区域数。闭运算是先将源图像膨胀再腐蚀，可以利用闭运算来去除噪声引起的区域，对于连通区域分析，通常先采用闭运算或者腐蚀操作来消除因纯粹噪声引起的部分，接着利用开运算来连接相邻的区域。开运算和闭运算操作的显著特征是：开运算是消除高于其相邻点的孤立点，闭运算是消除低于其相邻点的孤立点本文所介绍的车牌识别系统也是基于形态学操作的重要性质，对经过二值化后的车牌图像首先进行闭运算操作，使得车牌的字符区域连接起来，然后对车牌图像进行开运算操作，来消除车牌上的噪声，得到明亮的车牌区域从候选区域中去除伪车牌并定位出车牌区域通过对车牌图像的数学形态学运算，图像中剩下

少部分的连通区域，即为车牌的候选区域，这些区域包括车牌区域和伪车牌区域，为此，需要从图像中去除伪车牌并定位出车牌。

首先，经过对白色连通区域的轮廓进行处理得到矩形边界框，再根据我国车牌长宽比的特征，即44:14，考虑到在车牌定位过程中，由于对车牌的数学形态学操作会减少车牌信息以及拍摄所得到的车牌图像中车牌的倾斜等原因，取长宽阈值为2.0-6.0，这样就剔除了长宽比不符合条件的候选区域。然后，由于对车牌图像的数学形态学操作会减少车牌信息，所以定位出的车牌区域会有可能小于车牌的实际区域，这时，我们就需要对定位出的车牌区域进行放大，在这里，我们对车牌区域进行放大的比例是120%，即对已经定位出的车牌候选区域的边界进行扩大。车牌由七个字符组成，在对候选区域对应的灰度化图像进行边缘检测二值化之后，正常情况下，车牌水平投影区域内每行的边缘点数要大于14，根据经验值，我们取15。在车牌水平投影区域内会出现较大的波峰，该波峰认为是车牌的上下边界，根据实验结果，要求波峰的始点和终点之差大于20小于120，从而得到车牌的上下边界。最后，根据二值化车牌图像中车牌的纹理特征信息，即在车牌区域范围内会出现明显的梯度变化特征，来确定车牌区域，最终定位出车牌。在二值化图像中，255代表车牌图像中的边缘信息，0代表非边缘信息。为了更加精确的定位出车牌和剔除伪车牌，需要对定位出的车牌区域进行筛选，有两个筛选条件，一个是在二值化图像中灰度值为255和灰度值为0的像素比大于0.25，另一个是二值化图像中灰度的跳变次数范围是[5,30] 总结：通过对车牌图像的灰度处理、边缘检测、二值化、图像形态学操作定位出车牌的候选区域，接着利用车牌的特征，如长宽比、像素比等，从候选区域中定位出车牌

3.2.2车牌字符分割

车牌字符分割算法的研究

车牌字符分割就是对已经定位出的车牌区域内的车牌字符进行分割，从而获取车牌上的字符，是车牌字符识别的前提和准备。车牌字符分割的好坏，直接影响到识别效果的好坏。在车牌识别系统中，由于车牌污染、背景复杂、光照不均匀、车牌发生倾斜、边框影响以及间隔符等因素影响，很难找到一种普遍使用的分割方法。

车牌区域定位完成之后，由于提取出来的车牌区域内的车牌图像可能存在倾斜现象，因此，在车牌字符分割之前，需要判断车牌图像是否倾斜。在车牌倾斜的情况下，需要准确的求得车牌的倾斜角度，然后把发生倾斜的车牌校正过来，为接下来的字符分割创造条件，这就是车牌的倾斜校正。常用的倾斜校正算法包括Radon变换、Hough变换。在车牌的倾斜校正完成之后，需要去除车牌的上下、左右边界，然后才能把车牌上的字符一个个的分割出来，得到一个单独的车牌字符图像，为后续的车牌字符识别做好准备，即车牌的字符分割。

在车牌的字符分割中，有许多因素会对车牌的字符分割造成影响，例如图像的噪声、车牌的定位不精确、字符的粘连、汉字的不连通等。本文介绍一种改进的水平投影算法，该算法能够克服这些因素造成的不良影响，并且能够准确的分割出车牌，为后续的精确识别做好准备。为了分割出相互独立的字符，对经过Otsu算法阈值化的灰度图进行分割。接下来介绍本文中用到的改进的水平投影算法。

1. 去除车牌字符的上下边界以外的区域。对灰度化的车牌图像从下向上逐行扫描，并统计出每行的像素值为 255 的像素的个数，当像素值为 255 的像素个数大于 7时（车牌有 7 个字符），认为寻找到车牌字符的下边界。同理，从上向下逐行扫描，能够寻找到车牌字符的上边界。去除车牌字符上下边界以外的区域。去除车牌字符上下边界之后，设车牌的高度为 height，宽度为 width。

2. 对车牌图像从左向右逐列扫描，并记录统计出每列的像素值为 255 的像素的个数，并将结果保存在一位数组 count[ width 1]中，其中 count[ i ]用于存储第i列像素值为 255 的像素的个数。

3. 我国车牌的第一个字符是汉字，根据汉字的特征，设置两个阈值去分割车牌的第一个汉字字符，两个阈值分别为 threshold 1， threshold 2。从左向右扫描灰度化的车牌图像，第一个大于阈值 threshold 1的列，即为汉字的开始位置，记为S然后，继续扫描车牌图像，直到寻找到小于阈值 threshold 1的列，记为H ，比较这两列的宽度H-S与 threshold 2的大小，如果H-S threshold2，则继续扫描图像直到找到与S列相差的宽度大于 threshold 2且满足像素值为255的像素的个数小于阈值的列。所寻找到的列就是车牌的汉字字符的结束列。在分割不连通的汉字的时候，这种改进的方法起到作用是显著的。

4. 剩下的字符都是英文字母和阿拉伯数字，这些字符不存在不连通性的问题，于是，仅仅利用第一个阈值 threshold 1就可以分割出车牌剩下的字符。

5. 当车牌的第一个汉字字符被分割出来之后，继续扫描车牌区域图像，当某一列的像素值为 255 的像素个数开始大于阈值 threshold 1时，这一列就是车牌字符开始的位置，当某一列的像素值为 255 的像素的个数开始小于阈值threshold 1时，这一列就是车牌字符的结束位置。如此重复的下去，直到把车牌剩下的字符也分割出来为止。

对提取的车牌字符特征进行归一化操作

从输入的车牌图像中提取的车牌的尺寸不一样，这就造成了分割出来的车牌字符的尺寸不一样，为了更好的识别车牌字符，在本文中，对车牌字符进行归一化处理，使得经过不同图像获得车牌车牌在字符分割后，所获取的车牌单个字符图像大小都为5×10像素。

3.2.3车牌字符识别算法的研究

车牌的字符识别是车牌识别系统能够最终实现的关键因素，是对经过车牌定位和车牌字符分割后的一个个车牌字符进行识别。车牌识别系统中的字符识别与其它的字符识别相比，有其自身的特点，主要由以下方面的不同：车牌识别系统中字符的字量少，包括汉字、英文字母、数字，并且字型统一，相对于普通的汉字识别难度相对较低；从系统的实用性角度来看，作为一个实时的系统，它要求有较高的识别速度，这就决定了字符识别算法计算必须足够高效；同时，它还要求有很高的识别率，并且最低限度减少错误识别率。

基于模板匹配的字符识别算法

匹配就是将不同传感器或同一传感器在不同时间、不同成像条件下对同一景象获取的两幅或者多幅图像在空间上对准，或者根据已有模式在另一幅图像中寻找相应的模式。在遥感图像的处理时需要把不同波段传感器对同一事物的多光谱图像按照像点对应套准，然后根据像点的性质进行分类。如果在不同时间内对同一地面拍摄的两幅图像，经套准后找到其中特征有了变化的像点，就可以用来分析图中那些部分发生了变化,而利用放在一定间距处的两只传感器对同一物体拍摄得到两幅图片，找出对应点后可计算出物体离开摄像机的距离，即深度信息。一般的图像匹配技术是利用已知的模板和某种算法对识别图像进行匹配计算，从

而判断图像中是否含有该模板的信息和获取坐标，车牌的字符匹配就是这种匹配技术。即车牌字符匹配的实现方式是计算输入模式的车牌字符与样本之间的相似性，取相似性最大的样本为输入样本所属的类别。该算法的步骤是，首先建立模板库，将待识别的字符进行二值化并将其归一化操作，然后作为输入模式的字符与所有的模板进行匹配，最后选择最佳匹配作为结果。算法的优点是，在预处理后的图片质量较高、车牌的倾斜程度较低、车牌的纹理特征清晰的情况下，这种算法识别的准确率较高，但是对字符细节信息的忽略导致了在识别相似字符时容易出错。在实际的车牌识别系统中获取的车牌，往往由于拍摄角度的不同、车牌污损、光照不均等原因造成了二值化后的字符会出现形变、粘连、断裂、细节模糊等情况，这些原因导致了模板匹配在车牌字符识别上的局限性，尤其是停车场车牌识别系统。停车场环境下，车牌图像受到光照的影响较大，为了提高字符识别的准确率，通常在停车场车牌识别系统中很少采用这种算法。

基于特征统计匹配算法

基于特征统计匹配算法主要原理是先提取输入模式的车牌字符统计特征，再按照一定的规则与所确定的决策函数进行分类判断。字符的统计特征包括像素块数、字符的轮廓数、轮廓的形状等。像素块是指二值化图像中上、下、左、右四个方向上相互连通的所有白素区域所组成的一个连通区域的像素块，由此可知，汉字字符的像素块大于1，英文字母和数字的像素块数是1。汉字的识别是将字符点矩阵看作是一个整体，根据每个字符的笔画特征点不同，将字符分解为横、竖、撇、捺等一种或几种的组合，经过统计从而得到相应的特征，接着再与字符库中的特征集进行匹配，获取输入字符的识别结果。在实际的应用中，由于外部原因造成了字符常常会出现模糊、倾斜等情况，导致了部分字符无法正确识别。

基于分类器的字符识别

基于分类器的字符识别，是目前应用较广的一种车牌识别方式。其主要的思路是通过对样本数据的学习，达到自动将数据分类到已知类型。分类器其实是一种数学模型，目前有很多类型的分类器，包括Bayes分类器、决策树模型、BP 神经网络分类器等。贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。也就是说，贝叶斯分类器是最小错误率意义上的

优化。应用贝叶斯网络分类器进行分类主要分成两阶段。第一阶段是贝叶斯网络分类器的学习，即从样本数据中构造分类器，包括结构学习和CPT学习；第二阶段是贝叶斯网络分类器的推理，即计算类结点的条件概率，对分类数据进行分类。这两个阶段的时间复杂性均取决于特征值间的依赖程度，因而在实际应用中，往往需要对贝叶斯网络分类器进行简化。根据对特征值间不同关联程度的假设，可以得出各种贝叶斯分类器，Naive Bayes、TAN、BAN、GBN就是其中较典型、研究较深入的贝叶斯分类器。贝叶斯分类器的特点是：

1）贝叶斯分类并不把一个对象绝对地指派给某一类，而是通过计算得出属于某一类的概率，具有最大概率的类便是该对象所属的类；

2）一般情况下在贝叶斯分类中所有的属性都潜在地起作用，即并不是一个或几个属性决定分类，而是所有的属性都参与分类；

3）贝叶斯分类对象的属性可以是离散的、连续的，也可以是混合的。贝叶斯定理给出了最小化误差的最优解决方法，可用于分类和预测。但在实际中，它并不能直接利用，它需要知道证据的确切分布概率，而实际上我们并不能确切的给出证据的分布概率。因此我们在很多分类方法中都会作出某种假设以逼近贝叶斯定理的要求。决策树(decision tree)一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。决策树就是将决策过程各个阶段之间的结构绘制成一张箭线图，我们可以用下图来表示。

决策树模型

决策树模型的特点：

1) 与其他分类算法相比，决策树模型有以下优点：可理解性强、速度快。

2) 一般决策树模型缺点是：缺乏伸缩性：由于进行深度优先搜索，所以算法受内存大小限制，难于处理大训练集。为了处理大数据集或连续量的种种改进算法（离散化、取样）不仅增加了分类算法的额外开销，而且降低了分类的准确性，对连续性的字段比较难预测，当类别太多时，错误可能就会增加的比较快，对有时间顺序的数据，需要很多预处理的工作。在有噪声的情况下，完全拟合将导致过分拟合（overfitting），即对训练数据的完全拟合反而不具有很好的预测性能。剪枝是一种克服噪声的技术，同时它也能使树得到简化而变得更容易理解。另外，决策树技术也可能产生子树复制和碎片问题。当然，不同分类器对于一些分类有着不同的分类精度，因此我们在处理一些实际问题时，可以根据实际问题的分类属性和各种分类器的特点来选择相应的分类器，从而得到较高的分类精度。

综上所述，选择一种分类器方法。程序流程如图：

开始

输入图

像

是否训练

汉字网络字母网络汉字字母网

络

分类器分类器

输出识

别结果

结束

车牌定位

字符分割

归一化

特征提取

否

是

车牌识别系统的研究背景意义及国内外研究现状

车牌识别系统的研究背景意义及国内外研究现状 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 1.2 车牌识别系统简介 2 车牌识别系统的国内外现状 3车牌识别难点 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。 车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测； (2)交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理； (5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控； (8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1所示，LPR[1]的部分应用： 图1 LPR在收费口、道路监控和停车管理中的应用 近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.wendangku.net/doc/6010188804.html, 基于图像处理技术的车牌识别方法研究 作者：朱明秀 来源：《信息记录材料》2019年第03期 【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。 【关键词】图像处理技术车牌识别方法抓取识别 【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言 随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状 近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

停车场智能车牌识别系统方案培训课件

智能停车场管理系统车牌识别方案 1、车牌识别技术简介 停车场无卡车牌识别管理系统的核心技术为车牌识别技术。对此技术很多公司已进行了较为深入的研究，但是在车牌定位和字符分割等关键技术上还存在着诸多难题，车牌识别率一般在90%左右，其在停车场实际应用效果更不甚理想。 我公司多年来专注于车牌识别在停车场管理系统中的应用研究，引入了新的研发思路，较好的解决了车牌识别的关键难题，车牌识别率达到99.69%，配合我公司专业为车牌识别而开发的智能停车场管理软件，在各地的停车场工程项目中得到了客户的广泛赞誉。 2、无卡车牌识别管理系统与传统卡系统的对比：

10 系统安装需安装接收、读卡设备车牌识别，安装方便 11 系统维护射频卡易损坏，读卡设备需保养 和维护，成本较高 设备通用性强，维护成本低 12 车主成本需购买射频卡无需购买任何设备 13 新车加入新车加入，必须购买新卡和进行 软件操作，较烦琐 新车加入只需在系统添加客 户资料，操作简单 14 报表管理基础数据不直接，各种车辆管理 报表和查询车辆记录生成繁琐 基础数据功能强大，报表功能 与查询功能完美实现 3、系统建设 3.1系统作业流程图 1）车辆进入： 1、车辆驶入车牌摄像机识别区域，触发地感线圈或虚拟线圈。 2、车牌识别系统自动获取车辆的的图像并识别出车牌识号，然后通过检索数据库得出车辆类别。 3、显示屏显示该车的车牌号及有效期（月租车或临停车），欢迎光临等提示语。 4、语音播放识别出来的车牌，欢迎光临等提示语。 5、如果非满位或该车属固定车辆情况，闸机自动放行，同时记下车辆进入时间。车辆越过进口，驶入停车场内，车位显示屏刷新车位。

车牌识别系统技术方案

停车场管理系统自动车牌识别计费系统技术方案

目录 1 企业概况 (4) 1.1 公司简介 (4) 1.2 资质证书 (4) 2 概述 (10) 2.1 系统方案总体设计 (10) 2.2 项目背景 (11) 2.3 方案概述 (12) 3 系统介绍 (14) 3.1 车牌识别系统简介 (14) 3.2 系统优势 (15) 3.3 系统组成 (16) 4 主要设备参数性能介绍 (19) 4.1 CA-AB900道闸 (19) 4.2 INEX- TI200 200万高清识别一体机 (20) 4.3 CA-600读卡控制器 (22) 技术参数： (22) 4.4 软件监控界面 (23) 4.5 其他辅件 (23)

5 售后服务 (24) 5.1 保修时间及范围 (24) 5.2 维修及维护服务 (24) 5.3 更新改进服务 (24) 5.4 客户档案，完善产品质量 (25) 6 部分工程案例 (26)

1企业概况 1.1公司简介 北京市仟安科技有限责任公司是设计、研发、生产、销售、服务为一体的高新技术企业。公司凝聚了大批实力雄厚的研发团队和技术团队，凭着对智能化应用领域多年来的积淀和对未来智能化领域发展的导向，为用户提供有价值的产品和服务。 公司经过多年的开发研究，引进国外最先进的高新技术，不断完善自我。主要研发停车场主板软件、生产智能道闸、停车场收费系统、车位引导系统、派车系统、门禁系统、自动检售票系统等安防权限认证、消费认证产品。仟安的智能系统解决方案也已得到客户的全面认可和好评。经国家技术监督部门检验、产品的技术含量及外光造型已达到世界先进水平。现“仟安”产品已遍布全国各大城市及地区，并已成功销往海外。 公司以“冲破束缚，发展无限”为企业宗旨，积极引领核心技术创新，不断为全球用户创造完美产品。逐渐形成了“开拓、创新、共赢、务实”的企业文化，建立了朝气蓬勃的精英团队。 公司自创建以来，一直保持了高速发展态势，现已成为国内停车场系统服务领域的领跑者，致力于成为中国领先的安防服务品牌。 1.2资质证书

车牌识别系统技术的研究与应用

车牌识别系统技术的研究与应用 时间：2011-03-01 15:53:00 来源：电子科技作者：余春琴张浩然李广林武警工程学院 摘要：本文介绍车牌识别的两种主要方法(基于无线射频识别技术(RFID)的自动检测识别方法和基于图像处理技术的检测识别方法)，并对两种技术的优缺点进行了比较，提出了一种双模式识别系统，重点阐述了主模式识别系统原理，并考虑了车载分机的安全性，给出了车载分机防移动的软硬件设计，可广泛用于各种门禁系统。 关键词：车牌识别；射频识别；车载分机；检测子系统；门禁子系统 0 引言 在我国，直至20世纪50年代，车辆管理主要靠人工方式，然而随着经济的迅猛发展，工业化程度的不断加深，汽车数量大量增加，给交通管理、环境治理、社会治安、交通运营等提出了许多新的问题。伴随着车辆数目的增加，生活小区、地方单位、部队营区、停车场等对车辆的管理面临着新的挑战。如何做到车辆状态有案可查、有据可依，如何实现车辆的科学化、自动化管理成为人们关注的话题。 1 车牌识别技术 车牌识别是车辆管理的重要前提和关键技术，主要可分为间接法和直接法两种。间接法是基于无线射频识别技术(Radio Frequency Id-entification，RFID)的自动检测识别方法；直接法是基于图像处理技术的检测识别方法。 基于图像处理的车牌识别，是对视频或图像中的车牌进行特征分析，确定车牌位置，然后设计识别算法，对车牌中的汉字、字母、数字进行识别，以确定车牌内容。目前，能够在车辆时速不超过220公里的情况下，实现单车牌照的准确抓拍、检测及识别。在没有任何外部触发装置时，可以完全基于视频触发控制，系统可对视频图像中静止或行驶中的一个或多个车辆的车牌同时进行实时检测和识别。车牌识别系统主要由车牌定位、字符分隔和字符识别三部分组成，如图1所示。 基于RFID的车牌识别系统由标签(Tag)、阅读器(Reader)、天线(Antenna)三部分组成。电子标签中保存车牌信息。系统的基本工作原理是：标签进入磁场后，如果接收到阅读器发出的特殊射频信号，就能凭借感应电流所获得的能量发送出存储在芯片中的产品信息(即Passive Tag，无源标签或被动标签)，或者主动发送某一频率的信号(即Active Tax，有源标签或主动标签)，阅读器读取信息并解码后，送到后台主系统进行相关处理；主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构动作。 对于车辆的识别，以往的车辆管理系统通常是单一地采用基于RFID的识别技术或基于图像处理的识别技术。这两种车辆识别方法各有优缺点：RFID识别技术抗干扰能力强、不受天气影响、且可穿透非金属物体进行识别，识别速率快、准确率高，却难以有效防止作弊，电子标 签容易丢失，并且只能管制内部车辆；基于图像处理的车牌识别技术对基础建设方面几乎没有要求，但是抗干扰性差，准确率也有待提高。

车牌识别技术的工作原理和应用

车牌识别技术的工作原理和应用 车牌识别是利用车辆的动态视频或静态图像进行车牌号码、车牌颜色自动识别的模式识别技术。技术的核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。 车牌识别技术工作原理 车辆检测：可采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式感知车辆的经过，并触发图像采集抓拍。 图像采集：通过高清摄像抓拍主机对通行车辆进行实时、不间断记录、采集。 预处理：噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等。 车牌定位：在经过图像预处理之后的灰度图像上进行行列扫描，确定车牌区域。 字符分割：在图像中定位出车牌区域后，通过灰度化、二值化等处理，精确定位字符区域，然后根据字符尺寸特征进行字符分割。 字符识别：对分割后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配判别。 结果输出：将车牌识别的结果以文本格式输出。 车牌识别技术四大应用 一、停车场及小区出入口 停车场及小区出入口车牌识别技术的应用，主要用于记录车辆的牌照号码、车牌颜色、出入时间，实现车辆的自动管理，以便节省人力、提高效率；例如应用于智能小区可以自动判别驶入车辆是否属于本小区，对非内部车辆实现自动计时收费。在一些单位这种应用还可以同车辆调度系统相结合，自动、客观地记录本单位车辆的出车情况。 停车场及小区出入口管理单靠人工去记来往车辆的车牌号码和停靠时间是非常困难的，不但会出现错误，还需投入大量人力。一个小小的车牌识别设备安装在停车场的出入口就能“一劳永逸”地解决很多问题。对于车牌被遮挡、掉漆断裂、模糊不清等也能够分析识别，为停车场及出入口的工作人员省去许多烦恼。 二、高速公路收费站 目前，我国的高速公路建设发展突飞猛进，高速公路四通八达，每个出口均设有收费站，一

人工智能车牌识别

车牌自动识别 近年来，随着物联网、车联网的迅猛发展，以及中国汽车数量的不断增加，这对智能交通系统提出了新的要求。作为智能交通系统一部分的集成信号处理、计算机视觉、模式识别等技术的车牌识别系统因而也有了新的应用和挑战。除传统的用于高速公路超速违章管理、停车场管理、车辆流量管理以及车辆电子收费系统外，车牌识别系统还可以用于移动机器人对停车场车辆的监管以及交通管理部门对违章车辆车牌的自动登记等。 一、车牌自动识别系统的技术说明 车牌自动识别系统采用车牌识别技术来实现技术效果的。车牌识别技术(Vehicle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。 车牌识别技术结合电子不停车收费系统（ETC）识别车辆，过往车辆通过道口时无须停车，即能够实现车辆身份自动识别、自动收费。在车场管理中，为提高出入口车辆通行效率，车牌识别针对无需收停车费的车辆（如月卡车、内部免费通行车辆），建设无人值守的快速通道，免取卡、不停车的出入体验，正改变出入停车场的管理模式。

车牌识别技术的应用

车牌识别技术的应用 车牌识别技术的应用主要有以下几个方面。 1.监测报警 对于纳入“黑名单”的车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、肇事逃逸及违章车辆等，只需将其车牌号码输入到应用系统中，车牌识别设备安装于指定的路口、卡口或由执法人员随时携带按需要放置，系统将识读所有通过车辆的牌照号码并与系统中的“黑名单”比对，一旦发现指定车辆立刻发出报警信息。系统可以全天不间断工作、不会疲劳、错误率极低；可以适应高速行驶的车辆；可以在车辆行使过程中完成任务不影响正常交通；整个监视过程中司机也不会觉察、保密性高。应用这种系统将极大地提高执法效率。 2.超速违章处罚 车牌识别技术结合测速设备可以用于车辆超速违章处罚，一般用于高速公路。具体应用是：在路上设置测速监测点，抓拍超速的车辆并识别车牌号码，将违章车辆的牌照号码及图片发往各出口；在各出口设置处罚点，用车牌识别设备识别通过车辆并将号码与已经收到的超速车辆的号码比对，一旦号码相同即启动警示设备通知执法人员处理。与传统的超速监测方式相比，这种应用可以节省警力，降低执法人员的工作强度，而且安全、高效、隐蔽，司机需时刻提醒自己不能超速，极大地减少了因超速引发的事故。 3.车辆出入管理

将车牌识别设备安装于出入口，记录车辆的牌照号码、出入时间，并与自动门、栏杆机的控制设备结合，实现车辆的自动管理。应用于停车场可以实现自动计时收费，也可以自动计算可用车位数量并给出提示，实现停车收费自动管理节省人力、提高效率。应用于智能小区可以自动判别驶入车辆是否属于本小区，对非内部车辆实现自动计时收费。在一些单位这种应用还可以同车辆调度系统相结合，自动地、客观地记录本单位车辆的出车情况，车牌识别管理系统采用了车牌识别技术，达到不停车、免取卡，有效提高车辆出入通行效率。 4.自动放行 将指定的牌照信息输入系统，系统自动地识读经过车辆的牌照并查询内部数据库。对于需要自动放行的车辆系统驱动电子门或栏杆机让其通过，对于其它车辆系统会给出警示，由值勤人员处理。可用于特殊单位（如军事管理区、保密单位、重点保护单位等）、路桥收费卡口、高级住宅区等。 5.高速公路收费管理 在高速路的各个出入口安装车牌识别设备，车辆驶入时识别车辆牌照将入口资料存入收费系统，车辆到达出口时再次识别其牌照并根

车牌自动识别方案.(DOC)

目录 目录 (1) 第一章设计说明 (2) 一、前言 (2) 二、公司简介 (3) 三、设计思路 (3) 第二章系统概述 (5) 一、系统的组成 (5) 二、系统的特点 (5) 三、技术参数 (5) 第三章系统工作流程图、配置图 (6) 一、流程图 (6) 二、入场流程图： (6) 三、出场流程图： (7) 第四章系统主要产品简介 (9) 一、自动快速道闸 (9) 二、数字式车辆检测器 (9) 三、出、入口控制机 (9) 第五章车牌自动识别简介 (10) 一、车牌识别系统的施工定位及安装 (10) 二、车牌识别技术参数 (12) 第六章系统软件功能简介 (13) 一、管理功能设定 (13) 二、系统自维护功能： (16) 三、理财功能： (16) 四、系统软件组成： (17) 五、系统软件特点： (17)

第七章售后服务 (17) 一、咨询服务 (17) 二、维修服务 (17) 三、更新服务 (18) 第一章设计说明 一、前言 首先感谢贵公司对我公司的信任，让我们参与小区停车场的智能管理收费系统设计、选型工作。随着中国经济的高速发展，汽车增长迅猛，出现了停车难、管理难的社会问题，同

时，人们的居住与办公环境也在不断改善，智能大厦、小区已逐步开始普及。在智能大厦、小区的规划建设中，有一个非常重要的内容，就是停车场的智能化、现代化管理系统的建设。一个好的停车场除了必须有合理的交通设施组织规划外，还应具备先进的硬件管理设备，以保证车辆进出快捷顺畅、安全有序；同时还需要完善的管理软件，以保证管理科学、收费公正合理、资金不流失，以维护消费者的合法权益，保护投资者的利益。基于目前现状，我公司已研制开发出具有先进科学水平的停车场管理系统以供选择。 二、公司简介 公司具有独立的法人资格，在停车场智能化管理系统和停车场交通设施行业中,是全国最具有规模的专业公司，从研发设计、生产、销售、施工、服务，每个环节都是我公司自行完成，采用材料保证质量，符合国家标准。自成立以来，上海丽装秉承技术领先优势，在停车场智能管理系统的软、硬件方面，已经突破了芯片、集成电路、控制系统、软件开发等一大批系统设备国产化的技术瓶颈，开发出了拥有自主知识产权的智能电动道闸，入口控制机和读卡控制机，系统管理软件及联网管理软件，图象处理软件，自动出卡机构、入口控制机外观、读卡控制机外观、智能电动道闸等外观设计；“停车场智能设备、交通设施”均被中国技术监督情报协会确认为“中国质量过硬服务放心信誉品牌” 三、设计思路 1、项目概况：该项目的停车场有6个出入口，设计为3进3出。根据停车场的使用和管理要求，保证车辆安全、快捷的进出、停泊，完整的记录车辆进出的各类数据，提高停车场管理的智能化程度，确实完善该项目的配套服务功能是本次方案深化设计的主要出发点。 2、依据规范： 1、《智能建筑设计标准》GB/T50134-2000 2、《民用建筑电气设计规范》JGJ/T16-92 3、《安全防范工程与要求》GA/T75-94 4、《防盗报警控制器通用技术条件》GBI2663-90 5、《建筑电气工程施工质量验收规范》GB50303-2002 6、《智能建筑工程质量验收规范》GB50339-2003 3、管理模式：鉴于项目的实际情况，我们将车库设计为1进1出的车牌自动识别管理模式，将出口控制机、出口管制自动道闸设置在出口通道的直通道起步位置，在抓拍车牌时要

智能车牌识别系统

智能车牌识别系统 智能车牌识别系统是采用车牌识别技术做为基础，应用与停车场、高速路口、收费通道等场所的车辆管理系统。车牌识别技术(Vehicle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。 随着社会经济的发展、汽车数量急剧增加，对交通控制、安全管理、收费管理的要求也日益提高，运用电子信息技术实现安全、高效的智能交通成为交通管理的主要发展方向。汽车车牌号码是车辆的唯一“身份”标识，智能车牌识别系

统可以在汽车不作任何改动的情况下实现汽车“身份”的自动登记及验证，这项技术已经应用于公路收费、停车管理、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。 智能车牌识别系统的几种应用方式： 1、监测报警 对于纳入“黑名单”的车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、肇事逃逸及违章车辆等，只需将其车牌号码输入到应用系统中，智能车牌识别设备安装于指定的路口、卡口或由执法人员随时携带按需要放置，系统将识读所有通过车辆的车牌号码并与系统中的“黑名单”比对，一旦发现指定车辆立刻发出报警信息。系统可以全天不间断工作、不会疲劳、错误率极低；可以适应高速行驶的车辆；可以在车辆行使过程中完成任务不影响正常交通；整个监视过程中司机也不会觉察、保密性高。应用这种系统将极大地提高执法效率。 2、超速违章处罚 车牌识别技术结合测速设备可以用于车辆超速违章处罚，一般用于高速公路。具体应用是：在路上设置测速监测点，抓拍超速的车辆并识别车牌号码，将违章车辆的车牌号码及图片发往各出口；在各出口设置处罚点，用智能车牌识别设备识别通过车辆并将号码与已经收到的超速车辆的号码比对，一旦号码相同即启动警示设备通知执法人员处理。与传统的超速监测方式相比，这种应用可以节省警力，降低执法人员的工作强度，而且安全、高效、隐蔽，司机需时刻提醒自己不能超速，极大地减少了因超速引发的事故。 3、车辆出入管理 将智能车牌识别设备安装于出入口，记录车辆的车牌号码、出入时间，并与自动门、栏杆机的控制设备结合，实现车辆的自动管理。应用于停车场可以实现自动计时收费，也可以自动计算可用车位数量并给出提示，实现停车收费自动管理节省人力、提高效率。应用于智能小区可以自动判别驶入车辆是否属于本小区，对非内部车辆实现自动计时收费。在一些单位这种应用还可以同车辆调度系统相结合，自动地、客观地记录本单位车辆的出车情况。

车牌识别实验报告

数字图像处理在车牌识别中的应用 摘要 随着汽车数量在我国大面积的增加，城市交通状况逐渐受到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦点。 针对此问题，人们运用新的科学技术，相继研制开发出了各种交通道路监视、管理系统。因此，智能交通系统已成为世界交通领域研究的重要课题。车牌识别系统作为智能交通系统的核心，起着非常关键的作用。目前，图像处理技术在车牌识别中的应用研究已经成为科学界的一个重要研究领域。 本文旨在粗浅的运用所学基本原理和知识分析数字图像处理技术在友好环境下的应用（所选车牌识别的车辆图片均为友好环境下，易于处理的实验图片，不具有广泛性）。以车牌为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符分割和字符识别等一系列过程，完成车牌的识别。 1.绪论 1.1背景及现状： 基于图像处理的车牌识别技术的研究在国外起步比较早，在美国、意大利、德国、以色列、新加坡等国家，现在都已经有比较成熟的产品投入使用，比如美国的（AUTOSCOF）2003系统、以色列的Hi-Tech公司研制的See/Car System、德国西门子公司的ARTEM7SXI系统、新加坡的Optasia公司研制的VLPRS等车牌识别系统，但因为我国车牌样式的多样性、车牌颜色的多样性以及包含汉字等特点，这些车牌识别系统不适合我国国情。 基于图像处理的车牌识别技术主要包括车牌定位、车牌分割、字符识别等方面的技术。 关于车牌定位方面，主要理由车牌的边缘、形状、颜色等特征，再结合数字图像处理、形态学、小波变换、人工神经网络等技术对车牌进行定位。 基于特征的车牌定位的方法有C.J.Setchel提出的基于字符边缘检测的车牌定位方法，M.M.Mfahmy提出一种基于迭代阈值的车牌定位方法。完全基于形态学的算法有运用数学形态学的闭运算获得车牌的候选区，然后采用投影的方法剔除假车牌，定位针车牌。 基于神经元网络的方法有基于BP网络的牌照定位方法，基于彩色的车牌定位方法有采用多层感知器网络对输入彩色图像进行彩色分割及多级混合集成分类器的车牌自动识别方法。还有根据彩色边缘检测算子ColorPrewitt和彩色边缘检测与区域生长相结合的车牌定位算法。 1.2原理及方法 通常，车牌识别过程分为图像预处理、车牌定位、车牌校正、车牌分割

车牌自动识别系统方案

车牌自动识别停车场管理系统 设 计 方 案 xxx科技有限公司 地址： 电话：手机：

网址： QQ: 智能停车场解决方案 景第一章背 随着我国机动车增长速度的加快，停车场管理系统已经被广泛的应用起来，使车辆管理更加科学化，正规化。经过几年的推广应用，在广泛使用的同时，也发现了一些弊端和漏洞 一、月租卡与车无法准确对应 现有系统，当月租用户刷卡出入车场时，无法自动判定该卡是否对应该车，这样就造成了，用户卡片随意互借，丢失计时卡，车辆数目不准确，用不法手段获取他人月租卡进行高档车辆盗窃的严重安全隐患。 二、临时卡无法自动录入车牌 现有系统，当临时卡用户进入车场时，无法自动在数据库中存储牌照号，这样在查询停车场中某辆临时停放车辆的进出情况时，会变得非常麻烦，无法快速查找。需要依次调取所有进入车辆图片进行人工辨别。同时也无法对离场临停车辆进行车牌和卡片的双重验证，同样也存在安全隐患。 三、车辆进出效率低下。 现在小区规模越来越大，业主车辆越来越多，在经过停车场管理系统刷卡验证时，经常会出现业主找卡，忘记带卡，刷卡时无法靠边的情况，这样就严重影响了通行速度，造成车辆拥堵。在上下班高峰期的时候这种情况尤其严重。 针对以上的系统弊端和漏洞，我公司通过多年的技术研发和验证测试，推出了目前最先进的车牌自动识别系统，作为停车场系统的子系统，通过计算机的图像处理自动识别记录车牌，辨别同一车牌的车辆出入场时是否一致，是目前识别速度最快的车牌识别系统。其软件模块可以嵌入到停车场系统软件中，配合硬件共同实现车牌自动识别功能，使停车场系统更加完善精确。 在智能交通系统中，车牌自动识别系统是一个非常重要的发展方向，车牌自动识别系统正是在这种应用背景下研制出来的能够自动实时地检测车辆经过和识别汽车牌照的智能交通管理系统。 第二章关于车牌识别技术

开题报告(基于神经网络的车牌字符识别方法研究及仿真实现)(可编辑修改word版)

西安科技大学 毕业设计(论文) 开题报告 题目基于神经网络的车牌字符识别方法研究及仿真实现院、系(部) 通信与电子信息工程学院 专业及班级电子信息工程专业 姓名 学号 指导教师 日期

西安科技大学毕业设计(论文)开题报告

[7]陈振学,汪国有,刘成云. 一种新的车牌图像字符分割与识别算法[J]. 微电子学与计算机, 2007,(02) . [8]朱正礼. 基于三层BP 神经网络的字符识别系统的实现[J]. 现代计算机, 2006,(10) . [9]刘静,周静华,苏俊连,付佳. 基于模板匹配的车牌字符识别算法实现[J]. 科技信息(科学教研), 2007,(24) . [10]苏厚胜. 车牌识别系统的设计与实现[J]. 可编程控制器与工厂自动化, 2006,(03) . [11]胡振稳, 尹朝庆. 基于BP 神经网络的车牌字符识别的研究[J]. 电脑知识与技术(学术交流), 2007,(02) [12]蒋良孝, 李超群. 基于 BP 神经网络的函数逼近方法及其 MATLAB 实现[J]. 微型机与应用, 2004,(01) [13]崔屹. 数字图象处理技术与应用. 电子工业出版社. [14]董长虹. MATLAB 图象处理. 国防工业出版社. [15]董长虹. MATLAB 神经网络与应用国防工业出版社. [16]MATLAB6.5 辅助图象处理.飞思科技产品研发科技中心. [17]H. S. Kim et al, "Recognition of a car number plate by a neural network", Proc. of Korea Information Science Society(KISS) fill conference，Vol. 18, NO. 2, pp. 259-262，1991. [18]Jang-Hee You，Byung-Tae Chun and Dong-Pil Shin，“A Neural for Recognizing Characters Extracted form Moving Vehicles”，World Congress On Neural Network, pp162-166，1994. [19]M. Momozawa，M．N omua,T.Namai and K. Morisaki,"Accident Vehicle Automatic Detection System by Image Processing Technique”,pp.566-570, 2004..

车牌识别技术研究实现

车牌识别技术研究与实现 姓名：李罗川 学号：ZY1403222 完成时间：2015年05 月06 日

目录 1车牌识别技术研究背景与意义 (1) 1.1背景 (1) 1.2解决的问题 (1) 2现状与前景 (3) 3具体实现 (5) 3.1原理方法 (5) 3.2关键步骤与算法 (5) 3.2.1 车牌定位 (5) 3.2.2 车牌字符分割 (10) 3.2.3 车牌字符识别算法的研究 (12)

1车牌识别技术研究背景与意义 1.1背景 近年来,车辆数量和交通设施随着经济的快速增长而增长,但是交通设施的增长速度远远落后于车辆数量的增长速度,这引发了交通拥堵、交通事故、环境污染等难题。为了在根本上解决交通难题,世界各国纷纷利用先进的信息技术研究智能交通系统(Intelligent Transportation System,简称 ITS)。智能交通系统是一种充分利用各种先进的高新技术来实现实、准确、高效的交通管理系统,使交通更畅通更安全;它也是一种交通信息服务系统,使人们出行更方便更快捷。随着智能交通系统的快速发展,智能交通系统已经融入人们的日常生活,使人们的生活越来越方便。 随着计算机技术、通讯技术和计算机网络技术的发展，自动化的信息处理水平和能力不断提高，各种各样的交通系统应运而生，如电子警察系统、道路收费、车载导航系统、全球定位系统、车辆自动识别系统等都在为交通运输服务，对交通控制、安全管理的要求也越来也高，ITS（智能交通系统）已成为当前交通管理发展的主要方向。车辆是智能交通系统中的重点研究对象,每辆车都有自身唯一的车牌号码,车牌号码反映了车辆信息以及关联着车主信息,通过车牌号码可以记录对应车辆的交通行为,因此,车牌识别技术是智能交通系统中最核心最基础的技术之一,决定着智能交通系统的发展速度和技术水平。作为智能交通系统中的一种核心技术和关键环节，车牌识别技术的深入研究不但具有较高的理论价值，也具有很高的实用经济价值，极大的推动了整个智能交通系统的发展。 1.2解决的问题 车牌识别技术可以实现自动登记车辆“身份”,已经被广泛应用于各种交通场合,对“平安城市”的建设有着至关重要的作。具体概括如下: (1)电子警察系统 电子警察系统作为一种抓拍车辆违章违规行为的智能系统,大大降低了交通管理压力。随着计算机技术和CCD技术的发展,目前电子警察系统已经是一种纯视频触发的高清抓拍系统,可以完成多项违章抓拍功能,其中包括违章闯红灯抓拍功能、违章不按车道行驶抓拍功能、违章压线变道抓拍功能、违章压双黄线抓

车牌识别产品技术参数

车牌识别产品技术参数 This model paper was revised by LINDA on December 15, 2012.

迅泊车牌识别系统产品参数介绍 一、车牌识别仪 显示屏为选配 1、概述: 2、◆?支持牌照类型：普通蓝牌、黑牌、黄牌、双层黄牌、警车车牌、新式武警车 牌、新式军牌、使馆车牌、港澳进出大陆车牌 3、◆?适应车速：0-150公里/小时 4、◆?识别特征：号码、颜色、类型、宽度 5、◆?输出结果：车辆特征图像、车牌图像、牌照号码、颜色、类型、通过时间 6、2、成像 7、◆?高清，MJpeg输出；支持输出JPEG格式抓图

8、◆?支持线圈、视频、485、网络等触发方式 9、◆?支持智能自动、手动调节白平衡 10、◆?手动调光，基于图像的灯光控制 11、◆?基于车牌亮度的曝光控制 12、3、其他多样化功能： 13、◆?支持连续视频采集与抓拍同时具备的工作模式，并且两种模式的成像参数独 立控制 14、◆?支持OSD信息叠加 15、◆?具有即时上报工作状态功能，包括：工作状态、客户端连接状态等 16、◆?支持网络自动连接、即插即用 17、技术参数: 18、号牌识别率：白天≥%；夜间≥% 19、号牌检出率：白天≥%；夜间≥% 20、适应车速：0-150公里/小时 21、输出信息:车辆特征图像、车牌图像，牌照号码、颜色、类型、通过时间 22、数据接口方式：10/100M?以太网TCP/IP

23、图像传感器：1/3" 24、CMOS 25、有效像素：200万 26、最低照度：Lux（标准） 27、信噪比：>50db 28、电子快门：1/1至1/10000秒，22档 29、最佳拍摄范围：3-10米 30、光源发光频率：50Hz 31、防护等级：IP66 32、工作温度：-25℃~70℃ 33、工作湿度：≤?90% 34、电源电压：直流7-24V，纹波<200mV 35、外形尺寸：452×145×133mm 36、重量：2Kg 37、整机功耗：7W

车牌自动识别技术

车牌自动识别技术在智能交通系统中的应用 近年来，车牌自动识别技术已被广泛应用于城市智能交通系统中，如闯红灯抓拍、超速行驶违章抓拍及交通治安卡口系统等，尤其是交通治安卡口系统，其作为治安刑侦管理的重要科技手段之一，对车牌自动识别技术提出了更高的要求，促进了车牌自动识别技术的快速发展。高清系统的出现，使得图像分辨率大大提高，为车牌自动识别技术提供了良好的基础条件，车牌识别的准确率得到很大的提高，并且相应的识别基础数据被不断地得到挖掘。 卡口系统一般采用基于分布式集中管理的策略，通过多层次立体式结构，把系统前端物理层、传输网络层、数据处理层和用户应用层有机结合起来，系统架构如图1所示。 图1 卡口系统结构示意图 系统主要由前端数据采集子系统、网络传输子系统、中心管理子系统等部分组成。前端数据采集子系统通过视频跟踪和分析技术获取车辆的经过时间、速度、图片、车牌号码、车身颜色等数据。数据通过网络传输子系统传输到中心管理子系统。中心管理子系统对数据进行集中管理、存储、共享等处理。 车牌自动识别流程 系统前端采用了嵌入式高清一体化摄像机，可实现百万级分辨率的视频和图片码流输出，内置了高性能DSP芯片，支持内置智能算

法、可实现视频检测、车牌自动识别等功能。 内置相机的车牌自动识别系统使用了独特的纹理+模型算法，具有定位精准，识别速度快，识别精度高，误识率低等特点，不但能捕获有车牌的车辆，对于无牌车同样也能进行正常捕获。将传统模式中基于后端服务器或前端工控机的车牌识别算法移植到前端相机中，具有高集成度，高稳定性，高适应性等特点，相比传统的PC或工控机模式，更能适应实际道路的复杂环境，更能满足智能交通系统中全天候工作的要求。 采用了动态视频识别技术，实现对视频流每一帧图像进行识别，从而达到增加识别比对次数，大大提高了识别的效率和准确率。 车辆牌照的自动识别主要是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。 识别的具体步骤分为车牌定位、车牌提取、字符识别。在自然环境中，相机首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别，车牌识别算法采用基于模板匹配算法，首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果，通过这种多次比对的

汽车车牌识别系统-车牌定位子系统的设计与实现 毕业论文

汽车车牌识别系统 ---车牌定位子系统的设计与实现 摘要 汽车车牌识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来实现车牌定位，这是进行车牌字符识别的重要步骤，定位的准确与否直接影响车牌识别率。 本次毕业设计首先对车牌识别系统的现状和已有的技术进行了深入的研究，在此基础上设计并开发了一个基于MATLAB的车牌定位系统，通过编写MATLAB文件，对各种车辆图像处理方法进行分析、比较,最终确定了车牌预处理、车牌粗定位和精定位的方法。本次设计采取的是基于微分的边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域二值化图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。 关键词：图像采集，图像预处理，边缘检测，二值化，车牌定位

ENGLISH SUBJECT ABSTRACT The subject of the auto matic recognition of license plate is one of the most significant subjects that are improved fro m the connection o f computer vision and pattern recognition. In LPSR, the first step is for locating the license plate in the captured image which is very important for character recognition. The recognition correctio n rate of license plate is governed by accurate degree of license plate location. Firstly, the paper gives a deep research on the status and techniq ue of the plate license recognition system. On the basis of research, a solution of plate license recognition system is proposed through the software MATLAB,by the M-files several of methods in image manip ulatio n are co mpared and analyzed. The methods based on edge map and das differential analysis is used in the process of the localization of the license plate,extracting the characteristics of the license plate in the car images after being checked up for the edge, and then analyzing and processing until the probably area of license p late is extracted，then come out the resolutions for localization of the car plate. KEY WORDS：imageacquisition，image preprocessing，edge detection，binarizatio n，licence，license plate locatio n

车牌自动识别系统技术报价方案书

小区车辆进出车牌识别系统 技 术 设 计 报 价 方 案 介 绍

第一章公司简介 公司成立于是2009年，专业从事数字网络视频监控系统、安防监控、楼宇对讲、电子门禁停车场智能管理系统等智能化系统开发的专业公司.承蒙广大用户的厚爱，我公司得加快发展速度，充分发挥已有资源，更多地开展行业用户的服务工作，开创新的发展局面。我公司全体员工愿与社会各界携手共创未来!我们秉承真诚合作精神向广大客户提供相关的系统解决方案，设备销售及技术支持，价格合理，欢迎来人来电咨询、洽谈业务！ 第二章背景 随着科技经济的不断发展，汽车开始普及普通的家庭，大量的车辆为停车场的管理带来了新的问题。传统的停车场管理主要通过给进入车场的车辆分发IC卡，记录车辆进出时间，作为计费的主要依据，不管是固定车辆还是临时车辆，进出停车场都必须在出入口停车刷卡后，才能进出停车场，在车辆出入繁忙的时段，这种管理方式往往造成塞车的现象，耽误车主宝贵的时间。针对以上现象，巴州申科商贸有限公司利用车牌识别技术取代传统的IC卡技术，解决车辆进出时必须停下刷卡而造成的停车场进出口塞车现象。

第三章关于车牌识别技术 车牌识别技术以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如号牌、车型、颜色等。它是一个以特定目标为对象的专用计算机视觉系统，能从一幅图像中自动提取车牌图像，它运用先进的图像处理、模式识别和人工智能技术，对采集到的图像信息进行处理，能够实时准确地自动识别出车牌的数并直接给出识别结果，使得车辆的电脑化监控和管理成为现实。 第四章系统建设 1）车辆进入： ①、车辆驶入车牌摄像机抓拍区域，触发地感线圈。 ②、车牌识别系统自动抓拍车辆的的图像并识别出车牌识号，然后通过检索数据库得出车辆类别。 ③、显示屏显示该车的有效期（贵宾车或月租车）或余额（储值车），