车辆识别系统的在停车场管理中的应用

   车辆识别系统发展几年来，已得到很多用户的青睐，成为近两年停车场中管理车辆的主要设备，其识别率高、通行速度快等优点是其他停车场系统无法进行相比的一些特点。

　　车辆识别器是用来对车辆号牌进行图像抓拍、分析识别，终输出车辆号牌信息的系统。

　　车辆识别器采用包含智能补光技术的专用成像系统，其基于计算机图像处理技术对抓拍的车辆图像进行分析，通过定位、旋转、校正、分割、识别等过程，自动识别车辆。

　　车辆识别技术介绍

车辆识别系统主要包括触发模块、成像模块、识别模块、通信模块和应用模块五部分。其中成像模块、识别模块是车辆识别系统的关键。

　　触发模块：自动检测车辆在区域的存在，常用的触发方式有线圈触发、视频触发、红外触发、雷达触发、激光触发。目前，收费系统中使用多的触发方式为线圈触发。

　　成像模块：用成像控制和补光技术，使得摄像机全天候成像清晰。

　　定向反射与自然光相结合的识别原理，提高了牌照识别率和定位率。定位率高，什么是停车场系统，则识别率也高。摄像机成像控制技术和智能补光技术，确保了成像质量，使得不受大灯和光线明暗的影响，成像清晰、识别率高。

　　识别模块：其用于抓拍车辆图像，采用图像处理和模式识别技术对抓拍的图像分析、识别。

　　车辆识别技术应用于城市道路拥挤收费系统不需要安装任何车载设备，可以减少一大笔初期投资，但拥挤收费系统对车；辆识别的准度度要求非常高。

　　停车场、单位出入口车辆管理

　　如何保障车辆停泊的安全，一直是停车场管理的难题。现行的解决方法是：进场发卡、出场核对。卡的核对分两个方面来进行，停车场系统 方案，入场身份核对依靠电脑进行，而人车相符性的核对则由保安员进行。靠人的记忆力和责任心来识别、处理。存在的问题是：由于人的记忆力和责任心因人不同而不同，因此在实际工作中是否出错会因人而异，而且每换新人必须重新培训。

　　在出入口车道了安装车辆识别器即可以解决上述问题。车辆信息自动识别;自动建立车辆与身份卡一一对应关系，当车辆出场时，系统会自动核对，防止无入场身份的人开车出场和有入场身份的人开别人的车出场;建立免费车辆数据库，只有免费车辆数据库中的车辆才能免费放行;建立黑名单车辆数据库，当黑名单车辆通过出口的时候，系统会自动报警，提示进行相关处理。

　　车辆识别系统的发展

　　车辆识别软件不断更新，准确率提高到98%，识别车辆类型不断增加，

　　监控范围从机动车车辆扩展到车身特征、司乘人员特征;

　　以车身颜色识别为代表的视频检测技术进一步应用;

　　补光方式由恒定照明向闪光灯再向LED灯发展;

　　车辆检测方式由环行线圈检测发展为视频检测;

　　车辆测速范围和精度不断提高，由线圈测速向视频辅助测速发展;

　　车辆识别由单次抓拍识别发展为视频流多次识别;

　　注重环保节能，降低对驾驶人的影响;

　　车辆识别更专业、设备维护更便捷，售后服务更专业、网络覆盖面更广。

车辆识别对运动目标摄取方案

交通场景中车辆对象的实时检测是基于视频的交通监测系统中重要也是基本的步骤．是视频检测法的核心，检测的正确与否直接关系到智能交通系统决簧的正确性，感兴趣区域(Rcpon Of Interestinl;，ROI)提取是对交通场景视频图像中的车辆进行粗分割．车辆识别系统将有可能是车辆的区域从复杂的交通场景中分割出来以便进行后续的检测与跟踪操作．对一个像素检测主要是利用了在视频图像序列中处于同一位置的像素信息，而不是仅仅利用一帧中该像素的周围像素信息，这主要是由视频图像的特点决定的．对ROI的提取主要有光流法、帧差法、背景差法等几类方法。

   (I)光流法

   对于运动目标的检测直接的想法就是分析图像序列中各点的运动场，即找出由空间运动而引起的像平面上对应点的运动。然而，在图像中可测的仅仅是图像辐照度的变化，由图像辐照度的变化所反映的运动称为表观运动，对表观运动的记录称为光流，光流场并不一定能反映物体的真实运动，但是在我们所处理的情况中，为简便起见，可以忽略衰观运动和物体真实运动之间的差异，用光流场来代替运动场，分析图像中的运动目标及其运动参数。

  在运动（光流）场确定之后，去除随机噪声及一些过小的运动，认为在检测时段内运动向量始终在一定范围内保持一致的那些区域属于一个物体，从而可以确定出各运动目标（车辆）在各个时刻的运动参数（速度，方向等）．

   基于车光流场分析进行跟踪的方法，可以很精的计算出运动目标的速度，但是这种方法采用迭代的方法·计算时间较长，停车场系统 河北，无法进行实时的跟踪，并且该方法只考虑利用光流散据来进行决策，所以受到被估算的光流场精度的限制．这些方法受到噪声的影响严重·而且·分割所得的运动对象的边缘精度不够．在运动不完全的情况下，则会产生分割结果不完整等问题。

 另外，由于运动场并不是很可靠，因此通常在物体边界或纹理不突出区域产生错误，从而会对分割结果产生明显的影响，因此，由于各方面的限制，停车场系统，使得基于光流法的运动分割并不适合交通场景下的运动分析。

   (2)帧差法

   帧间差分法又称图像序列差分法．当监控场景中出现运动物体时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像对应像素点亮度值差的绝值，通过判断它是否大干阀值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动，图

像序列逐帧地差分，相当于对图像序列进行了时域上的高通滤波。

  帧差法的优点是计算简单且不易受环境光线变化的影响，但它不能检测静止车辆，且处理效果与图像采样频率以及被检测车辆的车速有关·如果视频检测嚣采样频率过小，而车速较快，可能会造成误分割：反之如果采样频率过大且车速较慢，又会造成过度覆盖，极端情况下运动物体可能完全重叠，类似于静止车辆，从而导致无法分割出运动物体。

   (3)背景差法

   背景差法的基本思想是先形成交通场景的背景图像，然后将待检酒图像与背景图像逐像素相减（理想情况下的差值图像中非零像素点就表示了运动物体），进而就可运用N值方法将运动物体从背景中分离出来。

可靠的背景图像是背景差法能否成功提取目标区域的关键．背景图像可由人工拍摄一幅没有车辆的图像来得到，也可以通过序列图像的平均来得到，显然，建筑物阴影、浮云或光照的变化都会造成背景环境明显的变化．由于这些环境变化因素，作为参照物的背景需要定时更新·目前有多种背景更新方法，常用的方法是多帧平均( FrameAvmging)法和选择更新（Selective Updating）法。

 车辆识别系统背景差方法的优点是：原理和算法设计简单：根据实际情况确定N值进行处理后，所得结果直接反映了运动目标的位置、大小，形状等信息，能够得到比较精的运动目标信息．但是·基于背景差的车辆检测的准确性很大程度上依赖于背景图像的可靠性．总的来说．背景差法对环境光线的变化非常敏感，背景图像需不断地被更新以迎合环境光线、阴影和天气的变化等·因而背景更新中的误差累计是影响背景差法精度的重要因素。