1. OPTICAL Character Recognition (OCR) -basierte LPR: Diese Methode verwendet die OCR -Technologie, um die Zeichen auf Nummernschildern zu erkennen und zu extrahieren. Dazu gehört es, ein Bild des Nummernschilds zu erfassen, das Bild vorzubereiten, um die Qualität zu verbessern, die Zeichen aus der Platte zu segmentieren und die Zeichen schließlich mithilfe von OCR -Algorithmen zu erkennen. Dieser Ansatz erfordert ein klares und qualitativ hochwertiges Bild des Nummernschilds für eine genaue Erkennung.
2. Deep Learning Based LPR: Diese Methode verwendet Deep -Lern -Techniken, insbesondere Faltungsnetzwerke (CNNs), um Nummernschilder direkt zu erkennen, ohne die Zeichen explizit zu segmentieren. Die CNN -Modelle werden auf einem großen Datensatz mit Nummernschildbildern geschult, um die Muster und Merkmale von Nummernschildern zu erlernen. Dieser Ansatz ist robuster für Variationen der Nummernschildbilder wie verschiedenen Schriftarten, Größen und Beleuchtungsbedingungen.
Sowohl OCR-basierte als auch tief lernbasierte LPR-Systeme können basierend auf den verwendeten Techniken wie Vorlagenanpassung, Merkmalextraktion, Zeichensegmentierung und Charaktererkennungsalgorithmen weiter klassifiziert werden. Darüber hinaus können LPR -Systeme basierend auf ihren Bereitstellungsszenarien wie festen Kamerasystemen für die Parkverfolgung oder Mautsammlung, mobile Kamerasysteme für Strafverfolgungsbehörden oder Verkehrsüberwachung oder eingebettete Kamerasysteme in Fahrzeugen zur automatischen Fahrzeugidentifizierung klassifiziert werden.
