.車牌辨識技術的工作流程及原理

License Plate Recognition Technologies





汽車牌照自動辨識技術,是一項利用車輛的動態影像,或靜態圖像,進行牌照號碼、牌照顏色自動辨識的模式辨識技術。

透過對圖像的採集和處理,完成車牌自動辨識功能,能從一幅圖像中,自動提取車牌圖像,自動分割字符,進而對字符進行辨識

其硬體基礎,一般包括觸發設備(監測車輛是否進入視野)、攝影設備、照明設備、圖像採集設備、辨識車牌號碼的處理機(如電腦)等,其軟核心包括車牌定位算法、車牌字符分割算法和光學字符辨識算法等。

某些牌照辨識系統,還具有透過影像圖像,判斷車輛駛入視野的功能,稱之為影像車輛檢測。


一、車牌辨識技術流程剖解 
車牌辨識作為交通監控的核心技術,應用在多項子系統中,如闖紅燈監測系統、超速監測系統、逆行監測系統、禁行監測系統、公車道監測系統、非機動車道行車監測系統、壓雙黃線監測系統、緊急停車帶行車監測系統、移動式車輛稽查系統等等。

智慧化多媒體網路車牌辨識系統,廣泛應用在過往車輛自動登記、驗證,公路收費,車輛安全核查,社區、停車場管理等方面。

系統採用影像即時觸發方式,進行檢測拍攝,能夠自動偵測、準確辨識及驗證行駛或停泊中,車輛的整車車牌號碼。可對已拍攝圖像與數據庫資料,即時進行比對,當發現應攔截車輛時,系統能在本地機和中心機上即時警報。

系統採用先進的模糊圖像處理技術,透過程序能很好的實現,對於車牌的整體傾斜、車牌的文字傾斜、車牌的污損和模糊等的處理,將人眼都很難辨別的車牌號辨識出來。

車牌辨識的流程,大致可分為車牌定位、車牌預處理、字符分割和字符辨識四個步驟。


二、系統實現功能和技術特點 
準確辨識不同地區及各種類型的車牌號碼。

採用圖像自動觸發方式,不需要其他外在觸發機制。

自動完成車輛記數,車流量統計。

對已拍攝圖像能與數據庫資料,即時進行比對,當發現應攔截車輛時,在本地機和中心機即時連上。

內置的數據庫管理軟體,能儲存、搜索及整理車輛資料,能自動備份數據,並完成統計報告。

在網路的環境下,實現各地的數據同步,可即時監控前端系統的運行狀況。
對運動速度在180公里/小時以下的汽車車牌,進行自動辨識。

在良好光照條件下,車牌辨識率不低於96%,在陰雨天、夜間人工光照條件下,車牌辨識率不低於90%。系統能夠辨識的車牌類型包括:普通民用汽車車牌、軍用汽車車牌(含武警車牌)、警用汽車車牌系統能夠辨識車輛類型,繪製出車輛的三維圖像。

抓拍圖像的時間小於0.03秒,辨識圖像的時間小於0.2秒。
系統適應全天候條件下工作。


三、停車場車牌辨識應用 
一個完整的牌照辨識系統,應包括車輛檢測、圖像採集、牌照辨識等幾部分。當車輛檢測部分檢測到車輛到達時,觸發圖像採集單元,採集當前的影像圖像。

牌照辨識單元對圖像進行處理,定位出牌照位置,再將牌照中的字符,分割出來進行辨識,然後組成牌照號碼輸出。

(一)車輛檢測
車輛檢測可以採用埋地線圈檢測、紅外線檢測、雷達檢測、影像檢測等多種方式。採用影像檢測可以避免破壞路面、不必附加外部檢測設備、不需矯正觸發位置、節省開支,而且更適合移動式、便攜式應用的要求。


具備影像車輛檢測功能的牌照辨識系統,首先對影像信號中的一幀(場)的信號,進行圖像採集,數位化,得到對應的數位圖像;然後對其進行分析,判斷其中是否有車輛;若認為有車輛通行,則進入到下一步進行牌照辨識;否則繼續採集影像信號,進行處理。

系統進行影像車輛檢測,需要具備很高的處理速度,並採用優秀的算法,在基本不丟幀的情況下,實現圖像採集、處理。

若處理速度慢,則導致丟幀,使系統無法正確檢測到行駛速度較快的車輛,同時也難以保證在有利於辨識的位置,開始辨識處理,影響系統辨識率。因此,將辨識車輛檢測與牌照自動辨識相結合,具備一定的技術難度。


(二)牌照號碼、顏色辨識
為了進行牌照辨識,需要以下幾個基本的步驟:

牌照定位,定位圖片中的牌照位置;

牌照字符分割,把牌照中的字符分割出來;

牌照字符辨識,把分割好的字符進行辨識,最終組成牌照號碼。

牌照辨識過程中,牌照顏色的辨識依據算法不同,可能在上述不同步驟實現,通常與牌照辨識互相配合、互相驗證。

1、牌照定位
自然環境下,汽車圖像背景複雜、光照不均勻,如何在自然背景中準確地確定牌照區域是整個辨識過程的關鍵。

首先對採集到的影像圖像進行大範圍相關搜索,找到符合汽車牌照特徵的若干區域作為候選區,然後對這些侯選區域做進一步分析、評判,最後選定一個最佳的區域作為牌照區域,並將其從圖象中分割出來。

2、牌照字符分割
完成牌照區域的定位後,再將牌照區域分割成單個字符,然後進行辨識。字符分割,一般採用垂直投影法。由於字符在垂直方向上的投影,必然在字符間或字符內的間隙處,取得局部最小值的附近,並且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。

利用垂直投影法,對複雜環境下的汽車圖像中的字符分割,有較好的效果。


3、牌照字符辨識
字符辨識方法目前主要有基於模板比對算法,和基於人工神經網路算法。基於模板比對算法,首先將分割後的字符二值化,並將其尺寸大小縮放為,字符數據庫中模板的大小,然後與所有的模板進行匹配,最後選最佳匹配作為結果。

基於人工神經元網路的算法有兩種:一種是先對待辨識字符,進行特徵提取,然後用所獲得特徵,來訓練神經網路分配器;另一種方法是直接把待處理圖像輸入網路,由網路自動實現特徵提取,直至辨識出結果。

實際應用中,牌照辨識系統的辨識率,與牌照品質和拍攝品質密切相關。牌照品質會受到各種因素的影響,如生鏽、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等;實際拍攝過程也會受到環境亮度、拍攝亮度、車輛速度等等因素的影響。

這些影響因素不同程度上降低了牌照辨識的辨識率,也正是牌照辨識系統的困難和挑戰所在。為了提高辨識率,除了不斷的完善辨識算法,還應該想辦法克服各種光照條件,使採集到的圖像最利於辨識。

.如何在 10 分鐘內架設 60 坪辦公室 WIFI ?

Tech News - Netgear orbi pro, first take: business-friendly mesh networking review


如何在10分鐘內架設60坪辦公室WIFI



在現今網路世代中,無線網路是主要上網方式,在企業中也是如此,不過多數企業老闆會發現,明明一樣的無線路由器,在家裡上網順到不行,在辦公室裡不是連不上⋯⋯就是直接斷線給你看?到底問題出在哪裡?


選購中小企業專用路由器4大好處

家庭和辦公室環境大不同 網路又快又穩最重要
大多數使用者都會以為,無線路由器就是無線路由器,只要接上電源設定就能夠連網,辦公室坪數少一點就少買幾台,大一點就多加幾台,家裡和辦公室有差嗎?其實真的有差。

辦公室的面積和布置,跟家裡環境大不相同,一般家庭的坪數大約是30坪,而辦公室則在60坪左右,光是坪數就不一樣,60坪的環境不大不小,所以路由器怎麼安裝都不對,再加上辦公室裏裝潢複雜、隔間多,常常轉個角網路就會上不去,另外公司常有客戶拜訪談公事,要讓客戶登入公司網路感覺又不太保
險。

要解決這些問題,最好的方式就是採用企業專用的無線上網解決方案,不但有大覆蓋範圍,而且走網狀拓樸,WiFi訊號可以無縫接取,最好還可以快速安裝,隨裝隨上網。

Netgear中小企業專用無線路由器 10分鐘讓你上線不斷線



Netgear推出全新無線上網解決方案,可簡易且快速安裝,10分鐘內就可安裝完畢,非常適合中小型辦公室。

另外使用最新技術Mesh無線網狀覆蓋,範圍可達140坪。提供單一登入帳號免切換無縫漫遊功能,不用大費周章買無線控制器+商用無線基地台也可做到。

同時支援三組網路名稱,可以讓老闆/員工/訪客各自使用獨立的登入帳號,且訪客登入時會先到公司專屬的WIFI登入網頁的專業功能,是智慧辦公室無線上網設備的最佳選擇。

按此回今日3S Market新聞首頁



.3D人臉辨識背後的技術之源

3D Face Recognition - Final Video




來源: 微迷网



5月31日,小米在深圳召開發佈會,正式發佈小米八週年紀念新品智慧手機-小米 8系列手機,其中小米 8探索版與小米 8標準版的處理器、內建記憶體、快閃記憶體和相機模組都相同,而區別除了設計上不同之外,就是兩大基於硬體功能。

首先是Face ID,小米 8探索版是首款實現,基於編碼結構光技術的人臉3D辨識系統的Android手機。


追溯小米8探索版与iPhone X 3D人脸识别背后的技术之源



該技術由以色列領先的3D傳感器公司Mantis Vision,及模組合作夥伴提供支持,Mantis Vision專注於3D及電腦視覺領域技術的創新與研發,擁有多達41項相關專利。

領先的技術實力與強大的研發能力,使Mantis Vision成為行業中的領軍企業及先驅者之一,由此獲得了來自全球客戶及投資者的親睞。2018年初,公司獲得聯美控股、索尼、耀途資本等產業資本及專業投資機構的B輪融資。

小米9探索版在小米 8的紅外線人臉解鎖方案(紅外線照明原件、紅外線相機)的基礎上,加入了點陣投影器,以獲取人臉 3D 深度資訊,這塊劉海的人臉辨識系統中包含了:ToF距離感應器、紅外線鏡頭、泛光照明器、點陣投影器。


追溯小米8探索版与iPhone X 3D人脸识别背后的技术之源



蘋果iPhone X是全球手機品牌中,第一個使用3D散斑結構光,用於人臉辨識以及支付的公司,該技術源自2013年,蘋果公司以3.45億美金,在以色列全資收購的Prime Sense公司、並在iPhone X中首次將3D結構光,用於人臉辨識和支付後,這項技術就備受關注。


追溯小米8探索版与iPhone X 3D人脸识别背后的技术之源
蘋果收購以色列 Primesense 公司獲得 3D 結構光技術


小米8探索版推出的3D結構光人臉辨識技術,是該技術在安卓手機上的首次嘗試。不同於iPhone X的散斑結構光方案,Mantis Vision採用基於掩膜的編碼結構光,透過創新的專利編碼技術,獲取深度資訊。

散斑結構光的方式,是打出30000個離散分布的紅外線點陣,進行深度探測;而Mantis Vision採用編碼方式,臉部呈現出了規律性的幾何編碼圖形,如此可以快速匹配特徵點,減少3D資訊計算量,降低結構光算法功耗。

無論是蘋果主導的散斑結構光技術,還是小米8探索版使用的Mantis Vision編碼結構光技術,均來自以色列創業公司的底層創新,體現了以色列在3D傳感器領域強大的技術能力,以及應用潛力。


追溯小米8探索版与iPhone X 3D人脸识别背后的技术之源



Face ID 3D結構光技術,與其他基於2D資訊的認證技術不同,人臉3D深度資訊更安全更私密,這項技術承載的是,將真實世界數位化。從而產生一些與傳統二維成像,完全不同的應用場景,未來在諸多領域應用廣泛的應用空間。

Mantis Vision以最核心的3D視覺技術為基礎,將應用延伸於各個行業領域。專業市場,Mantis Vision擁有能在戶外惡劣環境下,工作的高品質3D手持掃描設備,可應用於自動化製造、數位博物館、室內場景重建、刑偵掃描、油氣管道檢測等場景;行動通信市場,Mantis Vision所推出的小型化、低成本、附帶算法和程序的手機端硬體,能夠整合於任何行動通信或智慧設備。同時致力於VR/AR市場,將3D視覺技術真正地應用於生活,開創一個不一樣的3D時代!

3D成像傳感器,是耀途資本重點佈局的方向之一,目前耀途資本已經投資佈局超過5家全球領先的創業公司,包括Innoviz雷射固態雷達(獲得德爾福,麥格納,軟銀,三星,耀途資本策略投資),雙攝底層算法領軍企業Corephotonics (獲得三星,MTK,富士康及某知名手機品牌策略投資),Vayyar Imaging(剛剛宣佈成功推出3-83GHZ超寬頻3D成像SoC), Mantis Vision,以及炬佑光電(領先的ToF方案提供商),幾乎所有被投資組合,都成為細分行業的領軍企業。





.邊緣計算/霧計算及其對 CDN 提供商來說意味著什麼?

What Is A CDN And How Does It Work?
來源:亚太CDN产业联盟


CDN通常是大量分布式系統,跨互聯網部署在位於多個地區的多個數據中心。該技術的主要目的是,向最終用戶這個群體分發內容,並加快分發。

內容所有者選擇CDN技術出於多個原因,包括為最終用戶確保高性能和高可用性。能夠以一種靈活、按需提供的方式,隨時隨地為用戶提供頻寬密集型內容,比如圖形、即時流媒體、在線儲存的文件和社交網路數據庫。

  
目前CDN提供商提供的幾種最常見的服務包括如下:
Web加速這一組技術讓分發動態/靜態網站的內容,來得更高效,包括暫存龐大的靜態內容、動態存控制機制、TCP加速和數據壓縮及其他技術。

負載均衡由於CDN伺服器位於邊緣,可以更深清楚地瞭解入站流量和源伺服器的狀態。這讓CDN能夠採用應用層負載均衡,從而透過精確衡量每一台源伺服器的實際負載,來提高流量分配效率。

安全CDN透過隱藏源伺服器的身份,對源伺服器進行抽象化,從而保護源伺服器、免受直接針對IP地址的攻擊,還便於管理流量。許多CDN提供商,提供適用於應對DDOS、應對Web應用程序攻擊,和垃圾郵件/機器人攻擊的安全解決方案。

內容儲存許多CDN提供商允許客戶,將內容儲存在邊緣伺服器,無論這內容是龐大媒體文件、數據庫文件還是腳本,可以根據需要智慧化地,分布在邊緣伺服器上。

CDN市場在如何變化
1. 物聯網的崛起
物聯網的崛起,已改變了互聯網格局。由於更多的實體,連接到互聯網,頻寬需求、數據量,以及要求設備附近,進行計算是有待解決的最大挑戰之一。
  

據估計,到2020年將有2041540萬個物聯網設備,連接到互聯網。由於更多設備連接到互聯網,數據會比以往更具動態性。由於頻寬有限,面對分發數量如此多的動態內容這個重任,利用網路加速解決中間一英里(middle mile),將是過去的解決方案。物聯網需要真正的邊緣計算/霧計算來應對這些挑戰。
物聯網的要求很高。即使現代設備擁有更強大的計算能力,管理設備(業務邏輯在設備端運行)也常常頗為棘手。

  
大多數物聯網設備,需要對設備端收集的數據/資訊加快計算,不過由於業務邏輯是獨立的,需要更多的計算能力,因此常常建議將邏輯放在邊緣,而不是放在設備端。它需要一條具有高可用性的反饋環路,以便物聯網設備請求邊緣執行某些計算,並利用結果加快處理。

邊緣處計算邏輯顯著縮短了中間一英里,實現了近乎即時的響應,因此提高了性能。

  
與此同時,如果創建一種BtoB模式,工業數據或物聯網家用電器數據,對於數據分析集群(data analytics farm)來說,極其有價值,可用於實現業務策略。

雖然從物聯網設備收集的大量數據,可能會讓數據集群無力處理,但數據匯總邏輯可以放在邊緣處,將數據發送到雲端之前,讓數據更緊湊合理。

基於Hadoop的批處理服務可以放在邊緣,將數據發送到雲之前,觸發後可匯總和壓縮數據。它將大大減輕數據收集的開銷,同時提高源伺服器和物聯網設備的性能。

2. 更動態的內容和所有權分配
動態內容已日益急劇增多,可緩存內容的數量將大大減少。隨著互聯網用戶增多,數據種類會多得多,靜態網站在整個消費者生態系統中,所佔的比重會非常小。

內容會在互聯網上更加分布,使得真正的源伺服器這個概念失效。更多的客戶端代碼,將確定從哪個源端獲取哪些內容。

  
與此同時,Web伺服器正透過分配問題(distributingthe concerns)變得更加以業務邏輯為中心。

比如說,Oath驗證模式,可能完全在客戶端驗證用戶身份,然後為源伺服器與客戶端之間的連接確保安全。它使源伺服器完全獨立、安全,由另外某台Oauth伺服器完成驗證。

  
隨著Serverless模式日益廣為人知,並顯得日益重要,它將很快使邏輯更加分布。邊緣計算將扮演重要角色,以承載一小部分的特定邏輯需要在靠近客戶源端運行這些邏輯,才能為客戶提供可靠的體驗,同時為源伺服器減輕負載。

比如說,客戶上傳的龐大圖像/影像,可以在邊緣處以較低解析度來調整大小,然後再發送到雲端。

3. 邊緣計算/霧計算及其對CDN提供商來說意味著什麼?
邊緣計算方面有不同的提議。事實上,邊緣這個術語,比以往來得更抽象。不過總體目標一樣,即讓計算更靠近設備,透過避免中間一英里來顯著提高性能。

CDN提供了邊緣的一種定義讓緩存內容的伺服器靠近客戶源端。如果把物聯網設備視為數據源點,可以使用同樣的基礎。雖然商業模式與CDN邏輯大不相同,但CDN提供商可能會拿出一種平台,在靠近物聯網設備的地方,運行業務邏輯,而不是在源伺服器來運行。

CDN隨帶幾個傳統的概念邊緣到邊緣連接、內容托管和儲存,這將讓CDN提供商成為構建霧計算模式的基礎。這將使CDN提供商為來自物聯網生態系統,或下一代Web應用的客戶打開新的大門。

4. 邊緣計算並不意味著在邊緣運行源伺服器
CDN提供商絕對不可能在邊緣,運行處理繁重任務的應用伺服器,這需要大量的計算能力和基礎設施。與此同時,托管一台始終運行、功能完備的應用伺服器(CDN本身並不是為此設計)常常面臨很複雜的情形。

不過CDN提供商,有可能將輕量級的少許業務邏輯放在邊緣,這將大大提高客戶端的可靠性,或提升物聯網設備的性能。

  
CDN的演變
考慮到總計算能力方面的限制,和潛在的商業市場,CDN提供商應該轉向面向某些函數的Serverless平台——函數即服務(FaaS)模式,以托管動態管理的、事件驅動型、輕量級的業務邏輯,這些業務邏輯可輕鬆部署,改善最終用戶/設備體驗。

1. 為什麼使用Serverless
Serverless計算是一種雲計算執行模式,雲服務提供商動態管理機器資源的分配。價格基於應用程序消耗的實際資源量,而不是預先購買一定數量的容量。它是效用計算(utility computing)的一種形式。

  
2. 快速部署、快速更新
Serverless函數是無狀態的借助適當的分離和封裝,很容易轉入/轉出(rollin/out)不同的版本,可輕鬆部署。基於Docker的生態系統允許快速部署、轉入變更內容。

3. 可擴展性是核心
函數並不是功能完備的Web應用程序,而是一小組封裝起來的業務邏輯。這只允許某項功能大批量擴展,而不是允許擴展整個應用程序。

4. 事件驅動
讓Serverless平台真正不一樣的地方是,托管在Serverless平台的功能,並不總是運行,而是基於事件來予以啓動和擴展。這使得定價模式,完全不同於傳統的Web伺服器托管,即預先購買一定數量的容量。價格基於請求數量和資源消耗量。沒有提出請求,也就不存在函數。