車牌識別器不同于傳統(tǒng)目標識別需要依賴研發(fā)人員花費大量時間和精力設計特征，深度學習的方法通過前向和后向傳播優(yōu)化深度神經網絡參數(shù)，自主學習到合適的圖像描述子。深度神經網絡結構很多，其中卷積神經網絡適用于做區(qū)分性問題，因此能夠應用在目標檢測和識別等計算機視覺問題中，車牌識別就是其中很好的應用，那么前文中提到的各種識別問題就不難解決了。不但針對車牌，深度學習算法對于車型識別也能起到關鍵性作用。據悉停車場車牌識別行業(yè)的引領者火眼臻睛正在研發(fā)基于深度學習的智能相機，一經推出又將掀起停車場出入口控制領域的重大變革。

車牌識別硬識別和軟識別的區(qū)別與對比

1分析識別模式

硬識別系統(tǒng)：采用視頻流分析識別，對監(jiān)控范圍內的視頻流進行全天候實時分析;

軟識別系統(tǒng)：圖片分析識別，對到達規(guī)定范圍內的車輛進行拍照，再對照片進行分析;當車輛位置不佳時，識別易出錯。

2觸發(fā)識別方式

硬識別系統(tǒng)：地感和視頻觸發(fā)可選，不需增加檢測設備，無需破壞地面或增加工程，24小時采集圖像。

軟識別系統(tǒng)：地感、紅外等外設車輛檢測設備觸發(fā);需要一定的工程量。

3智能算法模型硬識別系統(tǒng)：采用智能模糊點陣識別算法，準確率更高，識別率大于99.70%。很少需要人工干預。

軟識別系統(tǒng)：OCR/字型拓撲結構識別算法，會頻繁出現(xiàn)誤識別情況，準確率低于90%。需要人工不斷輸入糾正后的號牌。

人臉識別閘機的優(yōu)點

人臉識別閘機也有眾多優(yōu)點:

1、人臉識別閘機的非強制性:用戶不用被強制專門配合人臉采集設，

3、人臉識別閘機非接觸性:用戶不需要和設備直接接觸,系統(tǒng)幾乎可以在用戶不主動配合的狀態(tài)下就能獲取人臉圖像,方便快捷;

4、人臉識別閘機并發(fā)性:在實際應用場景下可以進行多個人臉的分，