目前在智能交通领域，车辆识别系统技术是智能交通系统中至关重要的环节之一，通过车牌提取、图像预处理、特征提取等技术，识别车辆牌号。如今车牌识别广泛应用于高速收费站、停车场等领域，我们一起来看看车牌识别系统能达到哪些功能吧！

从目前的应用情况来看，只要加入新数据，并且有充足的时间和计算资源，随着深度学习网络层次的增加，识别率就会相应提升，比传统方法表现更好。另外，人工智能在车辆颜色、车辆厂商标志识别、无牌车检测、非机动车检测与分类、车头车尾判断、车辆检索、人脸识别等相关的技术方面也比较成熟。

一、车牌颜色识别

在车辆颜色识别方面，基本上克服了由于光照条件变化、相机硬件误差所带来的颜色不稳定、过曝光等一系列问题，因此解决了图像颜色变化导致的识别错误问题，卡口车辆颜色识别率从80%提升到85%，电警车辆主颜色识别率到从75%提升到80%以上。

二、车辆厂商标志识别

在车辆厂商标志识别方面，使用传统的HOG、LBP、SIFT、SURF等特征，采用SVM机器学习技术训练一个多级联的分类器来识别厂商标志很容易出现误判，采用大数据加深度学习技术后，车辆车标的过曝光或者车标被人为去掉等引起的局部特征会随之消失，其识别率可以从89%提升到93%以上。

三、车辆检索

在车辆检索方面，车辆的图片在不同场景下会出现曝光过度或者曝光不足，或者车辆的尺度发生很大变化，导致传统方法提取的特征会发生变化，因此检索率很不稳定。深度学习能够很好地获取较为较稳定的特征，搜索的相似目标更精确，Top5的搜索率在95%以上。在人脸识别项目中，由于光线、姿态和表情等因素引起人脸变化，目前很多应用都是固定场景、固定姿态，采用深度学习算法后，不仅固定场景的人脸识别率从89%提升到99%，而且对姿态和光线也有了一定的放松。

四、车牌识别

在车辆识别方面，基于深度学习的车辆识别技术将特征范围由单纯的车牌或车标扩展到整个车身。车辆的车灯、格栅、车窗等均是车辆的重要特征，对车辆这些特征的引入，不仅大大提升了车辆识别的准确率，对干扰、遮挡等问题的适应性也更强，识别的类别也更加细化，不仅能识别车辆的品牌，而且能识别车辆的子品牌、型号、年款等详细类别。指定车辆在视频图像数据中的检索除了可以通过车牌、品牌、型号、颜色等描述信息进行外，还可以通过车辆图片或年检标、挂饰等局部特征进行。

与传统车牌识别技术相比，基于深度学习的新型车牌识别系统技术，框架相对简单，在硬件性能较强且有足够训练样本的情况下，能够在短时间内获得更好的识别效果，网络的进一步优化也保证了识别的实时性。

更多关于重庆智能停车场系统、重庆停车场管理系统、停车场道闸、无人值守停车场系统、车牌识别系统等产品介绍详情请咨询重庆本安科技发展有限公司www.cqtcxt.com