隨著科技的發(fā)展，內(nèi)蒙古車(chē)牌識(shí)別功能越來(lái)越強(qiáng)大，而車(chē)牌字符識(shí)別是車(chē)牌識(shí)別系統(tǒng)的一步，也是重要的一步。字符識(shí)別的準(zhǔn)確性直接影響車(chē)牌識(shí)別系統(tǒng)的性能。

車(chē)牌識(shí)別系統(tǒng)采用視頻檢測(cè)方式構(gòu)建。要求能夠?qū)?chē)輛闖紅燈、不在引導(dǎo)道行駛、不按規(guī)定車(chē)道行駛、走錯(cuò)路等違法行為進(jìn)行實(shí)時(shí)監(jiān)控，這意味著車(chē)牌識(shí)別系統(tǒng)真的很強(qiáng)大。

傳統(tǒng)的車(chē)牌字符識(shí)別方法包括基于模板匹配的字符識(shí)別方法、基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法、基于字符特征的識(shí)別方法和基于統(tǒng)計(jì)分類(lèi)器的字符識(shí)別方法。

基于HOG函數(shù)的車(chē)牌識(shí)別攝像機(jī)字符識(shí)別新方法HOG函數(shù)側(cè)重于同構(gòu)形狀信息分布，在抵抗同構(gòu)形狀變化方面優(yōu)勢(shì)明顯。使用字符形狀信息可以更好地識(shí)別字符，車(chē)牌往往很臟，字符可以表示不同程度的變形、模糊、斷裂，但基本上可以保留字符的形狀，并且可以利用形狀信息來(lái)有效克服外界環(huán)境的干擾。

該算法先提取字符圖像的HOG特征，將特征轉(zhuǎn)換為“Bah”二進(jìn)制碼，表征字符圖像的“指紋”信息。轉(zhuǎn)換為“Bah”二進(jìn)制碼，既能抗噪聲干擾，又能降低噪聲對(duì)識(shí)別的影響，識(shí)別速度快，特征間距離計(jì)算可通過(guò)外部或操縱進(jìn)行。

當(dāng)要識(shí)別文本圖像時(shí)，會(huì)將“圖案”信息與文本模板庫(kù)中的“指紋”信息進(jìn)行比較，找到距離小的文本模板。該字符模板對(duì)應(yīng)的類(lèi)別即為字符識(shí)別結(jié)果。基于HOG特征的字符識(shí)別算法，字符識(shí)別準(zhǔn)確率高，抗字符噪聲干擾能力強(qiáng)，識(shí)別速度快，具有廣闊的應(yīng)用前景。

車(chē)牌識(shí)別攝像頭拍攝的照片清晰反映了車(chē)輛的車(chē)牌號(hào)、漢字、型號(hào)、裝載貨物等所有特征。通過(guò)事故追蹤、刑偵等公安工作通過(guò)車(chē)牌識(shí)別系統(tǒng)可以提供更、更準(zhǔn)確的依據(jù)。