“停车难，乱停车”的问题日益成为市民生活中的热点。为解决这个难题，国家层面上，《2016年政府工作报告》和《国民经济和社会发展第十三个五年规划纲要》中，“加快建设城市停车场”作为重要任务均被写入。近几年，在停车场的规划建设、管理以及停车场产业化、信息化、土地投融资方面，国家也出台了完善的政策文件。由此可见，加强停车场的建设和管理，构建智慧停车平台已经迫在眉睫。


 然而，要解决停车难问题，首先要解决的就是车牌识别系统的识别准确度和识别速度问题，否则，一切都只能是空谈。
 要提高车牌识别系统的能力，可以从硬件架设与软体运算二个部分来着手，也就是说从系统的安装条件到软件字符运算能力都要有所改进及改良，才能达成系统所要的优化目标。
 对于一个车牌识别系统上，通常我们可以看到的是该系统在软体运行于标准的家用电脑硬件，以及可链接到其他应用程序或数据库的部分。从这些数据库着手来改善这些应用的能力；在实际运算方法上要先改善过去的字符检测影像增强方式。这些改善首先要使用一系列新的DSP影像处理技术来检测及标准化和增强车牌的影像，然后透过较成熟的OCR（光学字符识别）来提取字母数字车牌，进一步区隔于过去字符以影像直接比对的运算方式。
  ANPR通常都会采用两种新的基本运算方法中的一种：一是允许以即时车道位置进行的全过程采集影像，而另一种则是发送从许多信道的所有影像传输到远端电脑的位置，并在执行OCR过程之后的某个时间点出现。大约在250毫秒内车辆即可在车道完成影像资料捕获的车牌字母及数字、日期时间、车道的确定位置，以及所需的任何其他资料。
 这个资料可以很容易地在必要时发送到远端电脑上，以便进一步处理，或储存在车道储存装置上供以后检索。在其他的改善安排上，通常大多数厂商会使用个人电脑的服务器群来处理这种高负载资料，例如当车道上发现堵塞情况时。这种情况常会需要系统有一个被要求的影像转发到远端服务器上，而这就可能需要更大的频宽传输介质。
  最新的ANPR都使用OCR方法所采集的摄影机影像。当所采集的车牌在字体上有一些微小变化的差距时，例如在某些字母（就像P和R），为了使其辨别更加鲜明，OCR就会发挥更易于阅读的系统能力。有些车牌的安排会使用一些颜色与字体大小变化和不同的位置定位，OCR车牌识别系统必须能够应付这种差异，才能真正有效。更复杂的系统能够应付各种国际车牌的变化，以针对每一个国家的车牌识别能力要求。同时包含现有道路规则执行或闭路电视摄影机的日夜监控条件，以及移动设备的使用需求，这些车牌识别摄影机系统通常都会利用红外线摄影机能力以采取更清晰的影像。
  车牌识别在能力改善上，除了以上运算与夜视的效力外，车牌识别还存在移动速度挑战。其中最大的挑战是处理器和摄影机必须取像速度快，足以容纳超过100～200公里／小时的车速车牌补捉，在车辆迎面而来的情况下，其相对速度大小会影响摄影机实际读取车牌的能力。车牌运算法必须能够补偿所有影响ANPR的因素，以产生一个准确的读出，同时改善摄影机受天气因素影响产生的角度的变动。系统的照明波长也是必须要考虑改善的，因为这些条件对读取分辨率和精准度会有直接影响。
  从这些现阶段必要的车牌识别技术进步发展，可以看出车牌识别技术必将开发出更加有效及能力更广泛的应用，而这些应用也将随着迫在眉睫的需求，将有进一步提高能力的方法出现。  


更多资源：车牌识别系统  倍加信车牌识别一体机  www.beijiaxin.net