现有的智能停车场中,短车道和近距离跟车引起的车牌漏识别现象屡见不鲜。通常来说车牌识别结果控制着道闸的开合,一旦出现车牌漏识别,往往会造成停车场车道被挤占,出入车辆滞留,甚至可能导致场内外交通拥堵。
停车场车道过短,会导致车辆拐弯进入后车牌距离相机太近
两车相随进入停车场,跟车车牌被前车阻挡
为了避免上述情况的发生,火眼臻睛2.0车牌识别一体相机(以下简称火眼2.0)提出了车牌近距离识别解决方案。它能够有效解决停车场短车道车牌漏识别以及跟车漏识别的问题。
短车道及跟车状态下车牌漏识别原因:
为了能够更好的阐述火眼2.0车牌近距离识别的内容。我们首先来设想一个问题:既然是计算机视觉识别,是不是车牌在采集画面中占用的像素宽度越大,识别相机就越容易对车牌进行识别呢?事实并非如此。
对于一般的长车道,来车从车辆到达触发检测直到车牌信息被正确识别的过程中。车牌所占用的像素宽度,与整个采集画面相比,所占的比例还是很小的。我们把相机能够识别的车牌像素宽度范围称为相机可识别宽度(后文简称可识别像素宽度)。
远距离条件下,车牌在画面中的像素宽度较小
因此车牌距离相机的位置越近,在画面中所占用的像素宽度就越大。当车牌的像素宽度在图像中过大时(比如超过了一半的图像宽度),就会增加相机定位车牌的难度,从而导致车牌误识别和漏识别。这样很好的解释了,为何大车牌在短车道在短车道条件下,漏识别和误识别现象尤为突出。
近距离条件下,车牌在画面中超过一半像素宽度
跟车漏识别的原理同上。进入监控画面后,跟车的车牌被前车车体遮挡,相机只能检测到前车车牌,而当跟车驶近,相机可以检测到跟车车牌的时候,车牌的像素宽度,已经超过了相机的可识别像素宽度,自然无法正常识别车牌。
火眼2.0近距离识别原理:
火眼2.0正是拥有着优异的相机可识别宽度,特别在大车牌近距离识别方面,从400像素宽度级别提升到600像素宽度级别。过去需要在5米外才能进行识别的车牌,火眼2.0只需在1米的距离就能轻松搞定。更为重要的是,火眼采用自研的检测算法和大规模神经网络深度算法,能够有效滤除画面中无关物体的干扰,准确定位车牌,并对其进行精准识别,切实保障了近距离识别的速度和准确率。
近距离识别应用场景:
举例来说,一段很短的停车场车道,来车在从公路上驶入时,车牌在图像中显示出很大的像素宽度,火眼2.0依旧能够迅速识别出车牌结果后,发送给管理系统,受控道闸自动抬起放行车辆,实现了来车不停车进入停车场。
火眼2.0短车道识别示意图
近距离识别结合大角度识别功能,还能解决跟车漏识别问题。用户只需要增加架设高度,相机就能及时发现跟车并检测识别车牌。虽然增加相机的架设高度,会降低相机的视域范围,导致车牌像素面积以及识别角度的增加,但是依托强悍的近距离识别和大角度识别能力,跟车漏识别问题也就迎刃而解了。
火眼2.0跟车识别示意图