车牌识别 (LPR)技术 是从车牌中捕获视频或图像并将其实时转换为数字信息的一种能力。LPR 也称为自动车牌识别 (ANPR)，是一种广泛用于车辆管理的AI技术，它具有广泛的应用，例如无票停车、自动收费、ITS、被盗车辆检测、智能计费和许多其他应用，目前已经成为一种趋势。 该技术逐年改进，直到机器学习 (ML) 和深度学习 (DL) 发现了新的进步方式。

车牌识别技术是如何工作的？

ALPR 系统的一个重要部分是摄像头。 例如，摄像头捕捉停止或移动车辆的车牌号并帮助识别可疑车辆。 该摄像机可以放置在静止物体上或安装在车辆上。

固定式 ALPR 摄像机放置在固定位置，可以记录进入道路特定区域的所有汽车。当监控一条有两条或多条车道且每条车道有相反交通的道路时，这尤其困难。一次只有一个摄像头捕捉数据，司机很容易在不注意的情况下经过交通摄像头，摄像头也不会捕捉到任何事故。 此问题的最佳解决方案是在不同位置安装多个 ALPR 摄像机，所有这些摄像机都同时进行记录。

最重要的是，ALPR 摄像头能够通过视频拍摄车辆。 该视频可以立即上传到服务器，以便将所有信息存储在一个地方，供以后查看。

一旦摄像头捕捉到车牌图像，系统就会使用专门的 OCR 算法将其转换为数字（机器可读）字符。为了正确识别车牌，我们必须“教”算法从不同类型的车牌中读取不同的车牌设计； 在某些车牌中看起来像 O 的东西在其他车牌中看起来像 0。

所以LPR是关于知道每个可能的车牌变化并根据许多区域修改读取字符，算法需要知道“期望什么”。

车牌识别流程

虽然它看起来是实时的（毫秒内完成），但车牌识别是一个 4 阶段过程； 前 2 个是标准 OCR，LPR 与常规 OCR 不同的复杂部分出现在第 3 和第 4 阶段。

1、车牌定位：在整个图像中找到车牌，忽略不必要的数据并专注于字符。

2、字符分割：分隔包含每个字符的精确区域以分别识别它们。

3、字符识别：从先前确定的各个区域识别字符。

4、区域划分：区域句法更正以识别明显相同字符（I 和 1、O 和 0、B 和 8 等）的歧义。

构建车牌识别算法以了解所有车牌是一项艰巨的工作：必须考虑每个地区的特殊特征才能做出正确的最终判断。

引入人工智能技术

神经网络引擎的新进展，能够帮助车牌识别技术从它识别的每个车牌中学习。工作人员使用大量数据提供信息，并为AI提供“经验”，这使它们“更聪明”，因此也更精确。读取的数据越多，正确识别车牌的机会就越大，从而帮助工作人员实现接近 100% 的准确率。

应用场景

智慧安防

公安或交通部门已经通过车辆、固定控制点上的嵌入式摄像头将车牌识别用于安全和执法，以检测被盗、通缉或未投保的车辆。

智慧停车场

车牌识别允许创建无接触、自动化、无人的停车设施，停车者无需在出入口、付款等路障前停下来，以便获得更顺畅、更快的停车体验。

智慧收费站和ITS

由于最近在现有系统中添加了 LPR 摄像头以升级车辆监控和定位功能，例如车牌识别收费，车牌识别一直是开发新的智能收费站和 ITS 解决方案的关键。

在人工智能技术+视频领域，TSINGSEE青犀视频基于多年视频领域的技术经验积累，也不断研发，将AI检测、智能识别技术融合到各个视频应用场景中。典型的示例如EasyCVR视频融合云服务，具有AI人脸识别、车牌识别、语音对讲、云台控制、声光告警、监控视频分析与数据汇总的能力。