停车场管理系统智能化来袭，人工管理将被取代

近年来，随着大数据、云计算的发展，我国很多产品都进入到了智能化时代，停车场管理系统也不例外，面临着智能化的停车场系统，未来停车场中人工管理是否真的会被这些智能化的设备所取代吗？

      带着这样的问题，我们一起来认识一下现在停车场系统的一些智能化功能都表现在哪些方面？

      首先，停车场出入口管理和之前相比变得更加智能化，传统的人工取卡票方式已不能满足当前人们的停车需求，停车场道闸厂家，智能化的车辆识别系统免去了人们停车取卡的步骤，通过对车辆车辆号的抓拍，道闸自动开闸，停车场入口处省去了人员管理卡片的工作，让入口处实现无人化的管理。

      其次，人们在停车场中停车变得更加智能化，道闸厂家，传统在停车场中的停车都是有管理人员来进行指引车辆停放在空余的车位上，但是随着车辆的不断增多，停车场面积不断扩大，依靠人工来指引车辆的停放已不能满足人们停车需求，而智能化的车位引导功能，无需管理人员参与，车位显示屏会自动引导车主把车停放在空余车位，节省车主找车位时间。

      此外，在停车缴费阶段也逐渐地朝着无人化的趋势发展，人工收费过程复杂，容易出现资金管理上的漏洞，而现在的微信支付成为停车场中缴费的一种潮流，双层栅栏道闸厂家，人们打开微信操作界面，点击缴费，待支付成功后即可开车离开停车场，整个停车过程车主即可自己完成，而且和传统人工管理的停车场相比，会节省很多停车时间。

      停车场管理系统变得更加智能化，对智能交通的发展有着重要的作用，同时不必担心智能化的设备替代人工管理造成失业的问题，新技术的应用会带来生产力的发展，生产效率的提高，同时还会催生新的智慧生活、智能生活等方式的改变。

触发方式车牌识别系统有两种触发方式，一种是外设触发，另一种是视频触发。

外设触发工作方式是指采用线圈、红外或其他检测器检测车辆通过信号，车牌识别系统接受到车辆触发信号后，采集车辆图像，自动识别车牌，以及进行后续处理。

视频触发方式是指车牌识别系统采用动态运动目标序列图像分析处理技术，实时检测车道上车辆移动状况，发现车辆通过时车辆图像，识别车牌照，并进行后续处理。视频触发方式不需借助线圈、红外或其他硬件车辆检测器。

1)间接法:指通过识别安装在汽车上的IC卡或条形码中所存储的车牌的信息来识别车牌及相关信息。IC卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业;条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等优点，但是对于扫描器要求很高。此外，二者都需要制定出全国统一的标准，生产道闸厂家，并且无法核对车、条形码是否相符，也是技术上存在的缺点，这给在短时间内推广造成困难。

2)直接法:基于图像的车牌识别技术属于直接法，是一种无源型汽车牌照智能识别方法，能够在无任何专用发送车牌信号的车载发射设备情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。与间接法识别系统相比，首先，这种系统节省了设备安置及大量资金，从而提高了经济效益;其次，由于采用了先进的计算机应用技术，所以可提高识别速度，较好地解决实时性问题;再次，它是根据图像进行识别，所以通过人的参与可以解决系统中的识别错误，而其他方法是难以与人交互的。

直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术。

1)图像处理技术:运用图像处理技术解决汽车牌照识别的研究早始于80年代，但国内外均只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系，识别过程是使用工业电视摄像机拍下汽车的工前方图像，然后交给计算机进行简单的处理，并且终仍需要人工干预，例如车牌中省份汉字的识别问题，1985年有人利用常见的图像处理技木方法提出汉字识别的分类是在抽取汉字特征的基础上进行的，根据汉字的投影直方图选取浮动闭值，抽取汉字在竖直方向的峰值，利用树形查表法进行汉字的粗分类;然后根据汉字在水平方向的投影直方图，选取适当闭值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的距离，实现细分米完成汉字省名的自动识别。

2)传统模式识别技术。传统模式识别技术指结构特征法，统计特征法等。90年代，由于计算机视觉技术的发展，开始出现汽车牌照识别的系统化研究。1990年AS.Johnson等运用计算机视觉技术和图像处理技术实现了车牌的自动识别系统。该系统分为图像分割、特征提取和模板构造、字符识别等三个部分。利用不同闽值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闽值范围，从而根据特定闽值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配识别出字符。

3)人工神经网络技术。近几年来，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。

这种采用BAM神经网络方法的缺点是无映解决识别系统存储容量和处理速度相矛盾的问题