北京市交通委24日发布系列措施，郑州平板人脸识别提高道路车牌识别收费系统识别准确率。对车牌识别，优化了车牌颜色识别算法，改进了夜间因反光造成的识别问题，对遮挡摄像头的树木进行了修剪。对计费误差，通过电子收费系统与前端设备数据交换校验，降低了错误订单量；同时规范人工服务流程，平板人脸识别防止出现不完整订单。对“审核时间长”的问题，增加了本地车牌信息自动匹配校验功能，效率显著提升。目前，本地车牌审核只需几小时，一次性审核通过率达90%以上。对停车费“过高”的问题，明确停车费执行标准是2011年4月1日由北京市发展改革委制定的，没有调整

一个车牌识别系统是否实用，最重要的指标是识别率。国际交通技术作过专门的识别率指标论述，要求是24小时全天候全牌正确识别率85%~95%。为了测试一个车牌识别系统识别率，需要将该系统安装在一个实际应用环境中，全天候运行24小时以上，采集至少1000辆自然车流通行时的车牌照进行识别，并且需要将车辆牌照图像和识别结果存储下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果。之后便可以统计出以下识别率:1、自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数.2、可识别车牌照的百分率=人工正确读取的车牌照总数/实际通过的车辆总数3、可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数这三个指标决定了车牌识别系统的识别率，诸如可信度、误识率等都是车牌识别过程中的中间结果。

车辆身份特征分析系统是基于视频流、图片流的智能车辆识别系统，利用先进的机器学习与大数据技术，通过自动识别车牌与车型信息识别为公安交警部门打击嫌疑、假牌、套牌等违法行为提供有力保障。结合国际领先的机器学习与深度学习技术，可以对车辆的身份进行识别，包括车牌号码，车身颜色，车辆品牌，车辆子型号，具体年款等。本系统支持多种平台，包括windows 平台，linux 平台，arm 平台等，接口丰富灵活。可针对用户对现有卡口监控系统和高清监控系统的应用进行功能升级，用户需提供平台数据调取接口。通过数据调取接口可对接调取卡口实时抓拍图片及卡口视频等资源做后台实时做实时或者离线二次识别。一：机关事业单位车辆智能管理解决方案： 机关事业单位卡口、市政交管系统、平安城市管理系统开发运营类。二：智能停车场车辆管理解决方案：停车场 、商业楼宇、卡口管理系统开发运营类。三：智能称重管理解决方案：地磅称重、集 团物流排队、大宗物品一卡通管理系统开发运营类。四：汽车4S店应用管理方案：4S店车辆管理系统、自助洗车管理系统、加油站车辆管理系统开发运营类。

在人脸识别设备未出现之前，人们采集信息的方法较为麻烦，而当时也没有一个简便的方法给到人们。当人脸识别技术出现后，人们采集信息的方法不仅简便很多，还为人们的安全增添了很大的保障。智能人脸识别采用的是3D智能活体人脸识别，识别率不低于99%，可存储5000张人脸，不论是在小区还是在工地，都可以运用。真地智能人脸识别无论在怎样的环境下都可以识别人脸信息。当户外环境的光线不太明朗时，或者是在夜晚时，真地智能人脸识别并不会受任何环境的影响而识别不出人脸信息。若小区安装了人脸识别，在有人尾随小区住户的情况下，人脸识别绝对会将尾随人员阻挡在门外。真地智能人脸识别只会识别出后台系统中录入的人脸信息，从而进行开闸。若你的人脸信息不在后台系统中，就算认证人脸识别，通道闸也不会开闸，反而人脸识别会语音播报，若有人强行闯入，则会想起警报，提示安保人员。在通行上，人脸识别极大地保障了人们的出行安全。

1) 牌照定位，定位图片中的牌照位置2) 牌照字符分割，把牌照中的字符分割出来;3) 牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。1) 牌照定位:自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个较好的区域作为牌照区域，并将其从图像中分离出来。2) 牌照字符分割:完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。3) 牌照字符:识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择好的匹配作为结果。基于人工神经网络的算法有两种:一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。