“停車難，亂停車”的問題日益成為市民生活中的熱點。為解決這個難題，國家層面上，《2016年政府工作報告》和《國民經濟和社會發展第十三個五年規劃綱要》中，“加快建設城市停車場”作為重要任務均被寫入。近幾年，在停車場的規劃建設、管理以及停車場產業化、信息化、土地投融資方面，國家也出臺了完善的政策文件。由此可見，加強停車場的建設和管理，構建智慧停車平臺已經迫在眉睫。


 然而，要解決停車難問題，首先要解決的就是車牌識別系統的識別準確度和識別速度問題，否則，一切都只能是空談。
 要提高車牌識別系統的能力，可以從硬件架設與軟體運算二個部分來著手，也就是說從系統的安裝條件到軟件字符運算能力都要有所改進及改良，才能達成系統所要的優化目標。
 對于一個車牌識別系統上，通常我們可以看到的是該系統在軟體運行于標準的家用電腦硬件，以及可鏈接到其他應用程序或數據庫的部分。從這些數據庫著手來改善這些應用的能力；在實際運算方法上要先改善過去的字符檢測影像增強方式。這些改善首先要使用一系列新的DSP影像處理技術來檢測及標準化和增強車牌的影像，然后透過較成熟的OCR（光學字符識別）來提取字母數字車牌，進一步區隔于過去字符以影像直接比對的運算方式。
  ANPR通常都會采用兩種新的基本運算方法中的一種：一是允許以即時車道位置進行的全過程采集影像，而另一種則是發送從許多信道的所有影像傳輸到遠端電腦的位置，并在執行OCR過程之后的某個時間點出現。大約在250毫秒內車輛即可在車道完成影像資料捕獲的車牌字母及數字、日期時間、車道的確定位置，以及所需的任何其他資料。
 這個資料可以很容易地在必要時發送到遠端電腦上，以便進一步處理，或儲存在車道儲存裝置上供以后檢索。在其他的改善安排上，通常大多數廠商會使用個人電腦的服務器群來處理這種高負載資料，例如當車道上發現堵塞情況時。這種情況常會需要系統有一個被要求的影像轉發到遠端服務器上，而這就可能需要更大的頻寬傳輸介質。
  最新的ANPR都使用OCR方法所采集的攝影機影像。當所采集的車牌在字體上有一些微小變化的差距時，例如在某些字母（就像P和R），為了使其辨別更加鮮明，OCR就會發揮更易于閱讀的系統能力。有些車牌的安排會使用一些顏色與字體大小變化和不同的位置定位，OCR車牌識別系統必須能夠應付這種差異，才能真正有效。更復雜的系統能夠應付各種國際車牌的變化，以針對每一個國家的車牌識別能力要求。同時包含現有道路規則執行或閉路電視攝影機的日夜監控條件，以及移動設備的使用需求，這些車牌識別攝影機系統通常都會利用紅外線攝影機能力以采取更清晰的影像。
  車牌識別在能力改善上，除了以上運算與夜視的效力外，車牌識別還存在移動速度挑戰。其中最大的挑戰是處理器和攝影機必須取像速度快，足以容納超過100～200公里／小時的車速車牌補捉，在車輛迎面而來的情況下，其相對速度大小會影響攝影機實際讀取車牌的能力。車牌運算法必須能夠補償所有影響ANPR的因素，以產生一個準確的讀出，同時改善攝影機受天氣因素影響產生的角度的變動。系統的照明波長也是必須要考慮改善的，因為這些條件對讀取分辨率和精準度會有直接影響。
  從這些現階段必要的車牌識別技術進步發展，可以看出車牌識別技術必將開發出更加有效及能力更廣泛的應用，而這些應用也將隨著迫在眉睫的需求，將有進一步提高能力的方法出現。  


更多資源：車牌識別系統  倍加信車牌識別一體機  www.shixinyonggu.com