牌照字符識(shí)別方法主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷⑵涑叽绱笮】s放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，選擇好的匹配作為結(jié)果?；谌斯ど窠?jīng)網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)字符進(jìn)行特征提取，然后用所獲得特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；基于模板匹配算法首先將分割后的字符二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，選擇最l佳匹配作為結(jié)果。另一種方法是直接把圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。

繆氏門(mén)業(yè)是一家致力于門(mén)業(yè)開(kāi)發(fā)的企業(yè)，產(chǎn)品有武漢電動(dòng)門(mén)、武漢伸縮門(mén)、武漢自動(dòng)門(mén)、懸浮門(mén)、平移門(mén)、感應(yīng)門(mén)、護(hù)欄、崗?fù)?、道閘、智能停車(chē)場(chǎng)收費(fèi)系統(tǒng)、旗桿、不銹鋼工程等。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)。近幾年來(lái)，計(jì)算機(jī)及相關(guān)技術(shù)發(fā)達(dá)的一些國(guó)家開(kāi)始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車(chē)牌自動(dòng)識(shí)別問(wèn)題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對(duì)車(chē)牌上的字符進(jìn)行自動(dòng)識(shí)別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個(gè)字符模板對(duì)應(yīng)著唯l一個(gè)BAM矩陣，通過(guò)與車(chē)牌上的字符比較，識(shí)別出正確的車(chē)牌號(hào)碼。我國(guó)汽車(chē)牌照的底色和字符顏色有多種組合，我們?nèi)粘Ｉ钪谐Ｒ?jiàn)的有藍(lán)底白字車(chē)牌、黃底黑字車(chē)牌、以及白底黑字車(chē)牌等等。

這種采用BAM神經(jīng)網(wǎng)絡(luò)方法的缺點(diǎn)是無(wú)映解決識(shí)別系統(tǒng)存儲(chǔ)容量和處理速度相矛盾的問(wèn)題。

內(nèi)場(chǎng)     圖像識(shí)別算法模塊集成在后端控制中心等處，原始圖片或視頻流壓縮后經(jīng)過(guò)網(wǎng)絡(luò)傳輸?shù)胶蠖诉M(jìn)行識(shí)別，具有一定的延遲性，但該類(lèi)方式，基于強(qiáng)大的計(jì)算機(jī)處理能力，故辨識(shí)精度和速度都要高，一套系統(tǒng)能識(shí)別多臺(tái)攝像機(jī)圖像。其維護(hù)較為方便，但辨識(shí)率受制于視頻流壓縮，且存在網(wǎng)絡(luò)延遲的問(wèn)題。視頻觸發(fā)方式是指車(chē)牌識(shí)別系統(tǒng)采用動(dòng)態(tài)運(yùn)動(dòng)目標(biāo)序列圖像分析處理技術(shù)，實(shí)時(shí)檢測(cè)車(chē)道上車(chē)輛移動(dòng)狀況，發(fā)現(xiàn)車(chē)輛通過(guò)時(shí)捕l捉車(chē)輛圖像，識(shí)別車(chē)牌照，并進(jìn)行后續(xù)處理。

產(chǎn)品有武漢電動(dòng)門(mén)、武漢伸縮門(mén)、武漢自動(dòng)門(mén)、懸浮門(mén)、平移門(mén)、感應(yīng)門(mén)、護(hù)欄、崗?fù)ぁ⒌篱l、智能停車(chē)場(chǎng)收費(fèi)系統(tǒng)、旗桿、不銹鋼工程等。