1. LPR basato sul riconoscimento dei caratteri ottici (OCR): questo metodo utilizza la tecnologia OCR per riconoscere ed estrarre i personaggi sulle targhe. Implica la cattura di un'immagine della targa, il preelaborazione dell'immagine per migliorare la qualità, segmentare i caratteri dalla piastra e infine riconoscere i personaggi usando gli algoritmi OCR. Questo approccio richiede un'immagine chiara e di alta qualità della targa per un riconoscimento accurato.
2. LPR basato sull'apprendimento profondo: questo metodo utilizza tecniche di apprendimento profondo, in particolare reti neurali convoluzionali (CNN), per riconoscere direttamente le targhe senza segmentare esplicitamente i personaggi. I modelli CNN sono addestrati su un ampio set di dati di immagini di targhe per apprendere i motivi e le caratteristiche delle targhe. Questo approccio è più robusto per le variazioni delle immagini della targa, come diversi caratteri, dimensioni e condizioni di illuminazione.
Sia i sistemi LPR basati sull'Apprendimento OCR che quelli in profondità possono essere ulteriormente classificati in base alle tecniche specifiche utilizzate, come corrispondenza dei modelli, estrazione delle caratteristiche, segmentazione dei caratteri e algoritmi di riconoscimento dei caratteri. Inoltre, i sistemi LPR possono anche essere classificati in base ai loro scenari di distribuzione, come i sistemi di telecamere fissi per l'applicazione del parcheggio o la raccolta a pedaggio, i sistemi di telecamere mobili per l'applicazione della legge o il monitoraggio del traffico o i sistemi di telecamere incorporati nei veicoli per l'identificazione automatica dei veicoli.
