ANPR（自動車牌辨識系統）是ITS（智慧型運輸系統）裡重要的一環，它可以運用在城市交通監控或是停車場收費及尋車系統上，在一切講求智慧化的現今，車牌辨識系統在產品及工程技術上也不免俗的必須跟上這股潮流趨勢，但更重要的是車牌辨識系統要如何在這些條件下，增加或促進它的效能呢？

現行車牌辨識系統組成效能

車牌辨識系統經過廠商多年研究和實際的應用磨練，車牌辨識技術現已經成長為現代社會中最普及、最成熟的技術之一，並在公路收費、監測報警、停車管理、秤重系統、交通誘導、交通執法、公路稽查、車輛調度、車輛檢測等場合中發揮著重要作用。

做為智慧交通領域確定車輛身分的最重要手段，車牌辨識技術通常根據不同應用場景發揮著不同作用。例如對納入「黑名單」的車輛進行監測報警;在高速公路上可用於車輛超速違規處罰和出入口收費管理;安裝在出入口實現車輛的自動管理;應用於停車場實現尋車與自動計時收費，自動計算可用車位數量並給出提示;應用於社區可以自動判別駛入車輛是否屬於本社區，對非社區內部車輛自動計時收費;應用於道路電子員警系統、道路監控系統等進行牌照號碼自動登記。

由於每個應用場景都對車牌辨識技術提出不同要求，因此車牌辨識技術必須「因地制宜」突出相應優勢，才能充分體現其應用效能。以停車場為例，車牌辨識技術主要應用於車輛自動管理、自動計時收費、自動計算可用車位數量並給出提示、自動判別駛入車輛是否屬於月租車等方面的智慧化管理。

而與其他應用場景相比，停車場的辨識環境具有辨識角度大、單車通行、車速慢、燈光環境可控等特點，同時還要實現自動計時收費功能，這些都對車牌辨識系統的辨識率提出更高要求。不僅要辨識正常環境下的任何一個車牌號碼，而且在極端環境下的車牌辨識率也最好達到95%以上，這種對高辨識率的要求顯然讓很多車牌辨識系統倍感壓力。

依據交通應用資料顯示，車牌辨識技術最早應用於電子警察查察及高速公路領域較多。近幾年，隨著停車場管理系統的不斷發展，車牌辨識技術也開始應用於市區道路及停車場。不過據調查發現，由於台灣只有幾家企業專門開發針對停車場的車牌辨識技術，因此目前很多停車場使用的車牌辨識技術大多是從早期車牌辨識技術照搬過來，而兩者在辨識環境、辨識角度、燈光環境、車輛行駛速度等方面的較大差異，導致這些車牌辨識系統大多都出現了水土不服的現象。對此，不少公私立停車場都卯足勁在做車牌辨識系統的效能改善。

根據大部分安防工程商反應，截至2015年年底，台灣道路與停車場的車牌辨識需求成長已有2014年的2倍增長，而未來5年必將是道路與停車場智慧化改造的黃金時期。面對如此巨大的市場潛力，為更好的解決道路與停車場車牌辨識效能問題，目前可看到現階段的廠商集智慧之力，投入專門研究針對道路與停車場專用的車牌辨識一體機。

這種基於車牌自動曝光控制演算法的智慧高畫質車牌辨識一體機產品，集車牌辨識、攝影取像、前端儲存、補光等一體，同時採用高畫質寬動態CMOS和高效能DSP元件，最大峰值計算能力高達6.4Ghz，具有極佳性能。尤其針對道路車速快慢與停車場車輛行駛速度緩慢、角度大、辨識距離短等環境企圖做到高達99.58%的識別率，而這些都得益於廠商在智慧化自主研發的PC方式的演算法。

除此之外，現在大部分車牌辨識一體機還具有優異的成像控制，可以自動跟蹤光線變化，有效抑制順光和逆光，尤其在夜間可以抑制汽車大燈的干擾，從而清晰地捕捉車牌;而對於暫時沒有車牌或者車牌嚴重破損的情況，也可實現智慧通行管理;另外可在系統與遠端離線時運行也是車牌辨識一體機的獨特效能優勢，能有效提升車輛進出效率。

增進車牌辨識系統效能方法

要增進車牌辨識系統的效能，可以從硬體架設與軟體運算二個部分來著手，也就是說從系統的安裝條件到軟體字符運算功能都要有所改進及改良，才能達成系統所要的優化目標。

對於一個車牌辨識系統上，通常我們可以看到的是該系統在軟體運行於標準的家用電腦硬體，以及可鏈接到其他應用程序或數據庫的部分。從這些數據庫著手來改善這些應用的效能;在實際運算方法上要先改善過去的字符檢測影像增強方式。這些改善首先要使用一系列新的DSP影像處理技術來檢測及標準化和增強車牌的影像，然後透過較成熟的OCR（光學字符辨識）來提取字母數字車牌，進一步區隔於過去字符以影像直接比對的運算方式。

ANPR通常都會採用兩種新的基本運算方法中的一種：一是允許以即時車道位置進行的全過程採集影像，而另一種則是發送從許多通道的所有影像傳輸到遠端電腦的位置，並在執行OCR過程之後的某個時間點出現。大約在250毫秒內車輛即可在車道完成影像資料捕獲的車牌字母及數字、日期時間、車道的確定位置，以及所需的任何其他資料。

這個資料可以很容易地在必要時發送到遠端電腦上，以便進一步處理，或儲存在車道儲存裝置上供以後檢索。在其他的改善安排上，通常大多數廠商會使用個人電腦的伺服器群來處理這種高負載資料，例如當車道上發現堵塞情況時。這種情況常會需要系統有一個被要求的影像轉發到遠端伺服器上，而這就可能需要更大的頻寬傳輸介質。

最新的ANPR都使用OCR方法所採集的攝影機影像。當所採集的車牌在字體上有一些微小變化的差距時，例如在某些字母（就像P和R），為了使其辨別更加鮮明，OCR就會發揮更易於閱讀的系統功能。有些車牌的安排會使用一些顏色與字體大小變化和不同的位置定位，OCR車牌辨識系統必須能夠應付這種差異，才能真正有效。更複雜的系統能夠應付各種國際車牌的變化，以針對每一個國家的車牌辨識效能要求。同時包含現有道路規則執行或閉路電視攝影機的日夜監控條件，以及移動設備的使用需求，這些車牌辨識攝影機系統通常都會利用紅外線攝影機功能以採取更清晰的影像。

車牌辨識在效能改善上，除了以上運算與夜視的效力外，車牌辨識還存在移動速度挑戰。其中最大的挑戰是處理器和攝影機必須取像速度快，足以容納超過100～200公里／小時的車速車牌補捉，在車輛迎面而來的情況下，其相對速度大小會影響攝影機實際讀取車牌的能力。車牌運算法必須能夠補償所有影響ANPR的因素，以產生一個準確的讀出，同時改善攝影機受天氣因素影響產生的角度的變動。系統的照明波長也是必須要考量改善的，因為這些條件對讀取分辨率和精準度會有直接影響。

從這些現階段必要的車牌辨識技術進步發展，可以看出車牌辨識技術必將開發出更加有效及功能更廣泛的應用，而這些應用也將隨著迫在眉睫的需求，將有進一步增進效能的方法出現。