每個(gè)國家的車(chē)牌都有自己的歷史和特點(diǎn)。例如不同國家車(chē)牌的大小、字符組成等就不一樣。我國車(chē)牌的樣式與含義自然不用過(guò)多介紹了。小型客車(chē)都采用兩段式布局，前半部分是所在省市的簡(jiǎn)稱(chēng)漢字與字母的組合，后半部分則是由5位數字與字母的隨機組合（部分地區支持個(gè)性化號牌，可以按照指定的規律來(lái)自定義后5位數字及字母）。此外，小型客車(chē)的車(chē)牌都采用的藍底白字的色彩搭配，在管理上是整齊劃一步調一致。

說(shuō)完國內，咱們再來(lái)說(shuō)說(shuō)國外車(chē)牌。經(jīng)?？磭獯笃呐笥褢摃缘?，外國車(chē)牌的樣式可謂五花八門(mén)，在寬度、顏色、大小、字符的組合上將各自的特點(diǎn)展現得淋漓盡致。例如日本車(chē)牌就含有平假名，德國車(chē)牌含有歐盟標志、注冊地區等......正是因為這系列問(wèn)題，使得國外車(chē)牌在識別過(guò)程中需要更高的車(chē)牌識別技術(shù)。

我們自主研發(fā)了基于深度學(xué)習的車(chē)牌識別技術(shù)，具有識別速度快、準確率高等特點(diǎn)。特別是針對視頻無(wú)牌車(chē)檢測、非機動(dòng)車(chē)和行人過(guò)濾、特殊車(chē)牌識別、大角度車(chē)牌識別、新能源車(chē)牌識別等應用場(chǎng)景，均有非常卓越的表現，得到了國內外合作伙伴及客戶(hù)的信賴(lài)。同樣，國外其他的車(chē)牌識別也不在話(huà)下。

車(chē)牌識別工作原理

1、車(chē)牌定位與字符分割；

【車(chē)牌定位】從輸入或者采集的原始圖像中確定出車(chē)牌區域。

【字符分割】將確定的車(chē)牌區域分割成獨立的字符塊。

由于每個(gè)地區或國家車(chē)牌的長(cháng)寬度、顏色、字符組成都不一樣，因此針對不同的地區或者國家，采用不同的車(chē)牌定位與字符分割算法。

2、字符識別

字符識別是對分割的字符塊進(jìn)行識別，輸出識別的字符。卷積神經(jīng)網(wǎng)絡(luò )處理二維圖像具有獨特的優(yōu)越性，通過(guò)局部感受野和權值共享將特征提前去融入到網(wǎng)絡(luò )結構中。

在卷積神經(jīng)網(wǎng)絡(luò )中，局部感知區域被當作層次結構中的底層的輸入數據，信息通過(guò)前向傳播經(jīng)過(guò)網(wǎng)絡(luò )中的各個(gè)層，在每一層中都由過(guò)濾器構成，以便能夠獲得觀(guān)測數據的一些顯著(zhù)特征。因為局部感知區域能夠獲得一些基礎的特征，比如圖像中的邊界和角落等，因此卷積神經(jīng)網(wǎng)絡(luò )對位移、拉伸和旋轉具有魯棒性。卷積神經(jīng)網(wǎng)絡(luò )中層次之間的緊密聯(lián)系和空間信息使得其特別適用于圖像的處理和理解，并且能夠自動(dòng)的從圖像中抽取出豐富的相關(guān)特性。下圖給出了卷積神經(jīng)網(wǎng)絡(luò )識別輸入圖像的過(guò)程圖。

與一般神經(jīng)網(wǎng)絡(luò )相比，卷積神經(jīng)網(wǎng)絡(luò )在圖像處理方面具有如下優(yōu)點(diǎn)：

（1）輸入圖像和網(wǎng)絡(luò )的拓撲結構能很好的吻合；

（2）特征提取和模式分類(lèi)同時(shí)進(jìn)行；

（3）權值共享可以減少網(wǎng)絡(luò )的訓練參數，使神經(jīng)網(wǎng)絡(luò )結構變得更簡(jiǎn)單，適應性更強。