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