车牌识别市场迎蓝海 三种主要模式对比分析
- 来源：中国安防展览网 作者：编辑部
- 2016/9/1 16:34:5655870
车牌识别是利用采集车辆的动态视频或静态图像进行车牌号码、车牌颜色的自动模式识别技术。技术的核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。车牌识别单元对图像进行处理，定位出车牌位置，再将车牌中的字符分割出来进行识别，后组成车牌号码输出。
目前采用的车牌识别模式主要有三种：地感线圈识别模式、视频识别模式、视频＋地感识别模式。
一、地感线圈识别模式
地感线圈触发，一般情况下，在停车场道闸*米左右的位置，会设有减速带，车辆通过减速带减速，为识别车牌留出时间，车辆进入识别区域，触发地感线圈，自动指挥相机进行抓拍，通过自字符检测，识别出车牌，道闸放行。地感线圈触发车牌识别优势在于触发率高、不易漏车，而且性能实用稳定，针对无牌车能够输出图像记录。缺点是需要施工安装地感，工程量大。
二、视频识别模式
视频触发优势是不用安装地感线圈，工程量小。当车辆进入进入视频识别区域时，相机自动通过车辆的动态图像识别车牌信息，同时提供模拟触发识别。缺点是针对无牌车无法输出图像，容易漏车。若未识别出车牌结果，可手动点击模拟触发进行识别。
三、视频＋地感识别模式
这种方式是前两种模式的升级版，视频加地感识别模式是通过视频识别方式进行识别，通过地感触发方式进行上传。相比较地感线圈识别和视频识别模式，视频＋地感识别模式能够提供更快的识别速度和更高的识别率。
视频＋地感灵活切换的识别模式，是目前应用灵活性好的识别模式，通过软件划定识别区域和输出区域，根据客户现场环境，自由设置车牌输出的位置，可以解决跟车被识别，火过早输出的问题。当无牌车行驶到输出区域，轻松记录无牌车信息。
近期，不仅仅是安防行业，整个社会都围绕着人工智能、机器视觉的话题热议，谈论了那么多年的人工智能时代是否将要到来了?也许正当行业人员津津乐道海康的工业相机、科达感知摄像机、格灵深瞳3D智能分析摄像机等智能的摄像机时，其实早在很多年前，机器识图技术早在行业中发展起来——车牌识别技术便是计算机视频图像识别技术的一种运用，实现将运动的车辆牌照从复杂的环境背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息。
来自Marketsand Markets市场新的报告发现，在2014个固定车牌识别(ANPR)系统占据了市场的主要份额。这个市场预计将以2015的复合年增长率增长13.54%和2020之间。固定ANPR系统的增长是由于需求增加应用，如交通管理、收费、和停车场。而车牌识别收费应用在2015-2020年间，其复合增长率将达17.46%。尤其在城市人口快速增长的今日，人们车辆保有量的迅速上增，加上政府法规的实施，电子收费系统将有望带动车牌识别市场的增长。据调研显示，在亚太地区，车牌识别系统将以18.06%(相比其他地区高)的年复增长率增长，应对目前交通拥堵、警察执法、收费和停车场的快速增长的需求。
尽管车牌识别市场是庞大的，但要占有一席之地一点都不容易，立足于企业本身，如果不能从同质化的产品线中突围而出，或许进军服务市场是另外一个不错的选择，但服务市场的前期投入与硬件市场不同，其前期投入大，盈利回收慢，也是企业必须考虑到的风险。