车牌识别系统安装说明书

第一篇：车牌识别系统安装说明书

车牌识别系统安装说明书

随着车辆的普及，瀚天根据当前形势研发了车牌识别系统。车牌识别系统的安装成为很多工程商关注的话题，如何使车牌识别更好的发挥其作用，依据现场情况做好车牌识别系统的安装和调试是必须要了解的，瀚天门控小编依据安装师傅多年的安装经验总结了以下几点标准，希望对您有所帮助。

一、瀚天车牌识别系统如何在安全岛施工

安全岛主要用于设备安装，以及防水、防撞。一般做在出入通道中间。【根据现场的实际情况来做具体的施工方案】

宽度：如岛上同时放置岗亭的话，一般在1200MM-1500MM;如果安全岛只是安装设备，宽度约在60MM-80MM左右，设备固定位置距离安全岛边缘100MM左右。

长度：安全岛的长度约在5000MM-6000MM左右。高度：安全岛一般应高出地面150MM-200MM。

没有安全岛时，要做设备基础，设备安装的地方为水泥地面时，(与安全岛一样)以星型50M左右打一个Φ10X100规格的膨胀螺栓。地面不低于5M，并预埋、固定设备线管，位置正确后就可以浇灌混凝土了。如果安全岛做在有坡度的地面，用水平仪找平，呈阶梯状。

安全岛设备安装注意事项：如果道闸对开时，2个设备基础高度应在同一水平线上。设备基础和安全岛表面抹灰处理：横平竖直，整齐美观。如果贴砖就不用抹灰。

二、布管与穿线

1、水泥地面开槽深度：线管放置后上部表面距离地面不低于4M，2管间有1M的缝隙，以便于水泥浇灌后，车辆过压线管无动弹，路面结实不损坏管线。

2、土壤地面开槽：深度大于10M，管面距离地面不低于5M；转角处用弯管器弯曲成型、直通接头连通;不允许使用三叉接头，直角接头;线管内所穿导线面积不超过内孔截面的50%。

3、防水处理：埋设管道深度不少于10M，进入机箱设备后预留5M左右；管与管连接处刷胶水后连接;强电，弱电分开铺设;对有强磁干扰的场所，采用镀锌钢管做接地处理。

三、地感线圈施工

一般规格：1M*2M【大型车辆由实际情况确定】

使用0.75铁氟龙线，绕线4-5圈。引出线不低于50编/M双绞。一般尽可能多。用沥青填充线圈与线槽间空隙。

1、设备安装：智能道闸用Φ12的膨胀螺栓固定，开关机身不得摇摆，且运行平稳。

2、防撞柱：稳固。竖直、整齐、美观。

3、减速带：与车道协调，安装在车牌识别触发线前1.5米左右。

四、瀚天车牌识别一体机安装距离来车车牌5米左右设置抓拍线。车牌与相机的侧角尽量小于30度，侧角大于30度会影响车牌识别效果。如果从左右两边来车，不能在识别区域内车辆摆正，则加装一个辅助相机，这样无论车辆从那边来，只要车头对着相机就可以抓拍。

以上就是瀚天安装师傅依据多次现场安装经验的总结，如有不明的地方欢迎来电咨询！

第二篇：ELAND一体化车牌识别系统安装说明书(硬件篇)硬件安装接线说明书

ELAND一体车牌识别识别系统硬件安装

1、车牌识别布线原理图：

2、车牌识别一体识别摄像机（以下简称车牌摄像机）的安装及接线：

上图可以看出，车牌摄像机的安装类似安装普通的摄像机，主要是以下几个步骤，（1）、选点打孔，施工人员现场规划确定好车牌摄像机安装位置后，将摄像机支架立于此，记号笔描点。然后用

打孔工具套用直径为12mm转头地面打孔，深度根据固定支架的膨胀螺丝长度+1cm而定（膨胀螺丝推荐直 径10mm）。（2）、穿线、固定支架，固定孔转好后，清理干净灰尘，将布线原理图中所示的网线、220V电源线、道闸控制线

穿进摄像机支架管道里再从支架顶部孔位穿出预留1米左右长度余线。然后将摄像机支架对准膨胀孔位，用膨胀螺丝固定；（推荐用直径10mm的膨胀螺丝，相应打孔转头推荐直径12mm）

如图

（3）、固定摄像机，用所配的摄像机套架，连接头（又称鸭嘴舍）

如图，经历三个步骤，套架固定于立柱（一般高度在离地130cm处），鸭嘴舍固定于套架上，摄像机固定于 鸭嘴舍上面；这3个连接点可以配合使用调节车牌摄像机角度，调好后拧紧各固定点的螺钉即可；（4）、车牌摄像机接线，摄像机固定好以后，打开摄像机盖子，即可看到车牌摄像机里面接线柱如下图

3、车位显示屏的安装及接线（主推L型显示屏，带语音）

（1）、显示屏安装：显示屏拆封后，找到相应固定配件，将显示屏固定于车牌摄像机立柱支架上适合的高度，如图

（2）、显示屏接线

显示屏固定好后，可以看到有3根线从屏里面输出，具体接线如下图介绍：

4、道闸机的安装及接线

（1）、安装：打开道闸机，看底部，用相应的膨胀螺丝将其固定于指定位置即可如下图

固定孔位打孔用合适尺寸

的膨胀路上固定即可；（2）、接线: 摄像机固定好以后，接线主要看道闸机控制盒上面，一般主要接三种线，即道闸机电源线，道闸控制

线，地感线。具体标识如下图：

（3）、调试：把道闸杆子上好（必要时要根据需要调节一下里面的联动弹簧），确保道闸机接线无误后，通电可用

所配遥控器控制道闸机升降进行测试；

5、岗亭接线（岗亭里面主要连线有两种线）：

（1）、网线：电脑的网线，外面车道安装的一体车牌摄像机拉进来的网线，都连接在同一个交换机

或者路由器的LAN口上面，另外给管理电脑固定IP地址：192.168.1.***段的IP即可。

（2）、AC220V电源线：外面所有车道设备拉进来的220V电源线从岗亭电箱处取电，建议单独加个

总电开关控制电源通断，通电之前，请再次检查外围车道设备接线，确保无短路，漏电 等安全隐患；

6、结语

以上关于摄像机的安装位置是我们推荐教程，安装方法客户也可以自己按经验施工，最终目的保证摄像机拍摄到3m到6m左右的车牌在软件中显示效果无扭曲变形，保持水平。如图。另外显示屏安装位置客户也根据需要灵活选点安装；本教材旨在教会客户怎么布线，怎么接线，具体安装位置客户可灵活决定。教程仅供参考。

最后，建议客户在设备安装过程中多看看说明书（软件也有相应说明书），结合说明书理解一下。更深入的问题可联系厂家技术请求协助。

第三篇：车牌识别系统实验报告

《图像处理与计算机视觉》期末作业

专

业：

计算机软件与理论

年

级：

2018 级

学

号：

12018000758

姓

名：

何勇

2019 年 8 月 21 日

车牌识别系统（VLRP）实验报告

一、实验目的 1、了解车牌识别系统及其应用； 2、结合本门课程所学内容，设计一个车牌识别系统并实现。

二、实验 原理 1、图像预处理：

针对车牌的颜色特征，利用 hsv 色域进行二值化，并进行膨胀和去噪处理。摄像时的光照条件，牌照的整洁程度，摄像机的状态（焦距，角度和镜头的光学畸变），以及车速的不稳定等因素都会不同程度的影响图像效果，出现图像模糊，歪斜或缺损，车牌字符边界模糊不清，细节不清，笔画断开，粗细不均等现象，从而影响车牌区域的分割与字符识别的工作，所以识别之前要进行预处理。、车牌定位：

对预处理后的图片进行区域标记，根据各连通量的长宽比以及黑色像素所占比例定位车牌位置。从背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。、字符分割：

完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。在本次系统开发中，字符分割采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符尺寸限制和一些其他条件，利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。、字符识别：

用图像分类和识别中的所学内容对字符识别，比如基于模板匹配算法、基于支持向量机或基于神经网络的方法。我选择的是基于 BP 的神经网络算法。将分割出来的字符做 n 等分分割，统计个等分块内的黑像素比例，并与特征库比对，识别字符。

三、系统流程图

开始车辆图片预处理车牌定位BP神经网络特征提取字符分割字符识别画出字符结果结束

四、实验步骤 4.1 基于颜色的 BP 神经网络车牌定位

图 4-1 车牌定位流程图

图 4-2 车牌底色库部分样本 建立车牌底色库，在本论文中仅对蓝底白字车牌进行研究。对于这些车牌样本，将其从 RGB 色彩空间转换为得到其 CR CB 红色及蓝色分量。对车牌样本每个像素，均可得到其 CR CB。而我们关心的只是两种像素，即蓝色非蓝色像素。对于蓝色的像素，在转换为 CR CB 后其对应的 BP 神经网络映射关系为输出为1。非蓝色的像素，在转换为 CR CB 后相对应的 BP 映射为输出为 0。由于 BP神经网络要求输入值 0 到 1，所以 CR CB 还需作简单的处理，把它转为符合要求的输入。

到此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含两个神经结点（某像素的 CR CB 分量），输出层仅一个神经结点（对应逻辑关系为这个像素在视觉上是否为蓝色），中间层设计为仅含 4 结点的一层。

设计好 BP 神经网络模型后，将车牌的底色投入训练，在网络收敛后可用。这时的神经网络可以认为是已具备区分蓝色及非蓝色的能力了（对于训练得到的权值保存到一个文件 CharBpNet.txt 中，以便在恢复网络时直接读取而节省大量的训练时间）。然后对任意的一张含车牌的图像每个像素，将它投入网络当中，如果网络认为是蓝色的（结点输出为范围在 0.8—1.0 间的），那么将此像素映射成 255；如果网络认为非蓝色的（结点输出范围在 0—0.8 间），那么将此像素映射成 0。这样我们可以得到除了一张二值图像外，还可以将车牌从复杂的自然图像分离开来（当然这是从十分理想的角度出发的，实际上当车辆颜色也是蓝色的时候是无法分离的）。

图 4-3 左图为自然车辆图像，右图为经 BP 神经网络后得到的二值图像

4.2 基于图像投影技术的车牌分割 图像投影技术一般分为水平投影和垂直投影。所谓投影就是对图像的某种特征的统计，然后以直方图形式反映其特征强度。一般是对二值图像而用的，水平方向的投影就是每行的非零像素值的个数，在这里就是 1 或者 255，垂直投影就是每列图像数据中非零像素值的个数。

由于车牌字符在车牌上，所以这部分可以认为是对字符的粗定位或车牌的精确定位。在设计上算法上可以这样做。对二值图像分别作水平和垂直方向的投影，得到其直方图分布，然后分别在波峰的地方作直线，这样水平方向和垂直方向共计四条直线，它们相交形成一矩形，此矩形即为车牌的大概位置。

图 4-4 将要进行投影的二值图像

4.2.1 水平投影技术

逐行统计白点直方图显示投影统计结果波峰即车牌上下边缘

图 4-5 车牌水平投影效果图 按行累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域上下边缘。水平分析算法如下：

1)从下向上逐行扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照最下边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照的最上边缘； 4)这时不再继续扫描，根据记录的两个行号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为水平方向定位的牌照图像区域。

4.2.2 垂直投影技术

图 4-6 车牌垂直投影个效果图 按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：

1)从左向右逐列扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的列(并且逐列统计白点直方图显示投影统计结果波峰即车牌左右边缘

紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域。

分别投影后效果如图 4-7 所示：

图 4-7 分别投影后效果图 值得一提的是并不是所有的自然车辆图像经BP神经网络动作后都那么完美的，这也是为什么在求车牌各个边缘的时候设定一个阈值（并且紧挨着的若干行都满足个数大于某阈值）的原因。如图 4-8 所示：

图 4-8 示例图 经过对车牌的二值图像的水平和垂直投影后，我们已经得到了车牌的精确位置，也即字符的所在区域。至此，我们可以把注意力从原始的二值图像集中到二值图像中的车牌局部区域来（即如何从车牌中分割出每个字符）。

除了可用比例的方法来进行字符分割外，本文采用一种适应性更好的基于投

影技术来进行分割。字符分割处理采用基于投影特征值的方法，对于数字及字符，由于它们都属于连体字，因此只需在字符或数字之间找到一条无边的空白区（窄的区域），即可实现数字及字符之间的分割处理。

图 4-9 即将进行字符分割的车牌图像 显然要在上图中分割出字符，只需在车牌内（白色矩形）对字符作像素为255 的垂直投影，具体方法如下：

按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：

1)从左向右逐列扫描图像，记下每行中灰度值为 0 的像素点的个数； 2)找到第一个灰度值为 0 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 0 的像素点的个数小于阈值的列(并且紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域； 6）保存每个字符的区域坐标。效果如图 4-10 所示：

图 4-10 字符分割效果示意图 逐列统计黑点直方图显示投影统计结果波峰即字符边缘

4.3 基于 BP 神经网络的车牌字符识别

4.3.1 车牌字符库的建立 字符库的建立是为字符的识别作准备的，字符库要求每个字符按一定标准保存，如保存格式一致，大小规格相同，每个字符的数目相同等等。在本次车牌识别系统研究中，只对数字及字母作研究，对汉字不作研究，所以共计 34 个不同各类的字符。数字 0 和字母 o，数字 1 和 i 为均认为是同一字符，每个字符用程序获取 10 个不尽相同的字符，字符库的建立是为了训练 BP 神经网络的样本。

4.3.2 图像的缩放技术 在计算机图像处理中，图像缩放是指对数字图像的大小进行调整的过程。图像缩放是一种非平凡的过程，需要在处理效率以及结果的平滑度和清晰度上做一个权衡。当一个图像的大小增加之后，组成图像的像素的可见度将会变得更高，从而使得图像表现得更“软”。相反，缩小一个图像将会增强它的平滑度与清晰度。

本次系统开发中，我采用最邻近插值法将每个字符都归一化到 6*12 的统一规格中去，所谓的最近邻插值，通俗理解就是将每一个原像素原封不动地复制映射到扩展后对应四个像素中，效果图 4-11 所示：

图 4-11 归一化前的各字符 归一化后各字符一次为：。

4.3.3 字符的保存 首先给字符编号，0-9 分别编号为 00-09，A-Z 分别编号为 10-33。在本文中，字符的保存格式为 raw 原始图像数据文件，命名依次为 000raw 到 339raw。即不超过 340 的三位数加格式名 raw，前两位数代表这个字符的编号，第三位数 n 代表这字符是第 n 张字符，如某字符某名为 089raw 即意味着这字符代表数字 8，它在库中是第 9 张(从第 0 张开始计数)。又如 330raw 代表着这字符为字母 Z，它是第 0 张。为了使字符库的字符和待识别的字符尽量保持一致性，字符的建立是通过程序的方法获得的。具体做法如下：

1）分割车牌中的每个字符； 2）将各个字符逐一归一化到 6*12 统一标准； 3）将归一化的字符按一定的标准命名保存即可。

最后得到了 340 张不同的共 34 种的格式为.raw 的文件，用程序显示这些字符库如图 4-12 所示：

图 4-12 字符库示意图 4.3.4 字符识别 建立字符库后，设计识别字符的神经网络。

首先设计输入层及输出层。字符库中每个标本，均是 6*12 的标准二值图像。对字符的特征，我采用像素法，即某个字符的像素是 255 时，神经结点输入为0.9，像素值是 0 时，神经结点输入为 0.1，这样输入层就有 6*12 共 72 个结点。输出层采用了34结点，如当导师信号为A编号10时，就在第10个结点设为0.9，其他均为 0.1。至此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含 72 个神经结点（对应字符的每个像素），输出层 34 个神经结点（对应逻辑关系为属于编号第 N 个字符）。中间层设计为仅含 50 结点的一层。

设计好 BP 神经网络模型后，将车牌的字符投入训练，在网络收敛后可用（实际在论文完成的过程中，并没有出现收敛，而是达到训练次数后停止训练，这个次数 10000*72 是在实验过程中测试后决定的，同样不保证最优）。这时的神经网络可以认为是已具备区分 34 个不同字符的能力了。然后对任意的一个从车牌分割得到的字符进行归一化之理后，依次假设其分别是编号 0 到 33，并且求出每个编号对应的误差，最后在 34 个不同的误差中找出最小的那个编号，找到的编号即对应的字符了。如某分割的字符投入网络后得到的最小误差编号为 10，那么认为这个字符为 A。

把从车牌分割下来的字符全部投入动作后得到的字符串即车牌的号码了。效果如图 4-12 所示：

图 4-13 字符识别效果图

五、实验结果分析 本次基于颜色和 BP 神经网络的车牌识别系统已基本完成，实验也达到预期的效果。但是问题仍旧存在。实验结果显示如表 5-1 所示：

车牌定位 车牌分割 车牌识别 识别 2 个字符以内错误 测试图片数 16 15 15 15 正确图片数 15 15 5 7 正确率 93.8% 100% 33.3% 46.7% 表 5-1 部分实验结果 在车牌定位方面，由于采用基于颜色定位方法，要求要定位的车牌图像质量较清晰，车牌底色为蓝色或和标准蓝色相差不大，这时 BP 网络能非常有效地区分蓝色与非蓝色，从而实施定位。但也常有无法定位的情况，当车身也是蓝色时，BP 网络必定无法把车牌从图像中分离出来；在字符分割方面，采用基于垂直投影特征值的方法，能有效地分割字符，但也有分割错误的情况，如在车牌定位不够精确或定位出来的车牌有噪点时，无法在字符或数字之间找到一条无边的空白区（窄的区域），此时往往会分割错误（一字符可能分为多个，噪点也可能认为是字符）；在字符识别方面，在本文中，实验过程发现当车牌定位和字符分割均能得到较好结果时大多数情况下均能有效地识别，但是字符分割错误或要识别噪点较多或字符倾斜较严重时往往会出现错识甚至拒识。比如 B 有可能错误为 8，B 错识为 R 等等。

第四篇：车牌识别系统方案书

智能车牌识别停车收费管理方案

编号：L160628-01

北京恒安同正科技有限公司

2016年6月28日

中粮日清（大连）有限公司

西安邮电大学

中国银监会

第五篇：小区车牌识别系统解决方案

www.ankuai.net

在现代化停车场管理中，涉及到各方面的管理，其中车辆的管理是一个重要的方面。尤其是对特殊停车场、大院及政府机关、小区而言，要求对各种车辆实时地进行严格的管理，对其出入的时间进行严格的监视，并对各类车辆进行登记（包括内部车辆和外部车辆）和识别。对大规模的场区中，各种出入的车辆较多，如每辆车都要进行人工判断，既费时，又不利于管理和查询，保卫工作比较困难，效率低下。为了改善这种与现代化停车场、大院及政府机关、小区等不相称的管理模式，需要尽快实现车辆管理工作的自动化、智能化，并以计算机网络的形式进行管理，对所有出入口的车辆进行有效地、准确地监测和管理。要求系统提供相应的应用软件，实现营区管理的高效率、智能化。

根据碧桂园某小区商圈停车场的具体要求及实际情况，遵循实用、安全、先进、经济、可靠、可扩充原则进行设计。该商圈共有1个车辆出入口通道，出入口通道上安装高清识别一体机一套、入出口道闸一套，中心电脑一台。

通过网线或光纤将物业管理电脑电脑连接起来，可实现数据互享，相互管理和远程维护。固定车车主可直接进行出入，同时电脑会自动将车主的资料、车辆图像、车牌抓拍识别并保存下来，入口车辆图像、车牌与出口车辆图像、车牌及车主资料进行对比，可有效的防止汽车偷盗事件的发生。1.1车牌识别的优点

“车牌识别”无疑是智能化程度最高，使用最方便的停车场管理技术。

1、对固定车管理而言，“车牌识别”有以下优点：

*彻底解决“卡管理”时，一卡多车的情况；

*彻底解决“卡管理”时，卡未携带的情况；

* 彻底解决“卡管理”时，卡丢失带来的换卡，补卡的工作；

* 彻底解决“卡管理”时，卡安装摆放位置的沟通工作；

*其他源于卡的问题~~

2、对临时车管理而言，“车牌识别”有以下优点：

* 彻底解决“卡管理”时，收费人员眛钱的现象；

www.ankuai.net

*彻底将收费人员从人工发卡的工作中解放出来，只需负责收钱——即便是配入口发卡机，也往往需要有人帮忙在“入口发卡机”和“临时车”之间传递“临时卡”，往往偏离了“节省人力资源的初始目的”。因为临时车的停车距离往往离发卡机比较远，这是人们害怕撞到发卡机和道闸的下意识正常反映；

*彻底解决“卡管理”时，有的临时车辆混出停车场，管理方损失临时卡和停车费的情况；

* 彻底解决有个别的固定车在入场的时候恶意取走临时卡，造成临时卡不断流失的情况；

* 其他源于卡的问题？？ 2.1系统架构与组件

停车场收费系统具备对临时车辆进行收费管理和对长期用户进行认证管理的功能。

* 入出口显示控制一体机，播报语音及显示车辆出入场信息，停车时长及缴费信息等。

*道闸用于从物理上阻拦车辆，控制车辆进出。

*地感用于检测车辆，实现“一车一卡”功能。

*防砸地感用于检测车辆，实现道闸防砸功能。

*管理中心，用于管理及存储图片记录等。

入出口显示控制一体机与电脑之间采用RS485通讯方式，在保障数据传输速度和安全性的基础上，极大的方便了设备安装布线，同时各部件均为模块化设计，某一设备的变动不会影响到其他设备的正常工作。

停车场收费管理系统中主体采用TCP/IP的组网结构，岗亭电脑至管理中心电脑、高清识别一体机至岗亭电脑等。方便快捷。

www.ankuai.net

3.1系统功能与特点

采用网络高清识别摄像一体机，加强车牌识别的宽度与深度。可更清晰的识别到高清的车牌。

其主要特点如下：

* 可脱机识别固定车牌，发送开闸指令，固定车牌存储容量6000个。

www.ankuai.net

* 识别系统对环境的依赖性降低至最低程度，可实现全天候车牌识别正确率大于99%。

* 采用TCP/IP网络高清识别摄像一体机、摄取图像清晰度、车牌识别的准确性更强。

* 基于LPR识别系统提高了识别的速度和准确性。

* 可识别的最小号牌宽度为70个像素

* 适应高速大流量，车速在150 km/h，单车道流量为30辆/分钟时仍可保证高识别率（>98%）。

* 实现对视频图像的逐帧处理，视频流触发，不用埋设地感线圈，避免破坏路面。

* 工程安装简便、运行稳定，不干扰用户已有系。

* 无需地感及车辆检测器，节省成本且施工简单快速，极大的缩短施工时间。

* 具有极高的处理能力，对车辆行进过程中所有图像都进行识别和处理，不依赖于单张图片，有效提高设备对复杂环境的适应能力

* 软件采用专业高清车牌识别软件架构。方便用户操作使用。

文章来源：广东安快智能科技有限公司