较好现今可行的LPR算法解决方案必须满足以下

智能交通大好发展 LPR识别功能需要急切_安防,智能交通,LPR识通过平原造林提高城市生态文明建设别功能

LPR功能在交通安防工程中，是必要存在且有急迫需求的。据2012年的数据显示，中国市场全新部署超过了2万支交通监控摄像机，而台湾也有超过2千支。此外，数据也显示交通监控更 为发达的美国和英国，其城市道路上使用的监控摄像机密度，大致在每0.7KM～1.2KM一支。若以此为标准来推估，中国地区未来每年增加的交通监控摄像 机数量，可稳定在30，000到50，000支之间;台湾则是在4，000支左右。如果将用于停车场、小区、厂区出入口的安装需求也算进来，数量会更加可观。

现今可行的LPR算法解决方案，必须满足以下四个特点：

性能稳定。必须能在绝大部分环境下提供正确稳定的输出，LPR业界通行标准，要求全牌识别正确率不低于99%，全字符准确率不低于97%。

界面方便。这样的特性，使设备厂商能够尽其可能开发不同特色的上层应用，满足各类终端需求。LPR的上层包括建构车辆搜索、使用分析等程序，现 今交通监控常见的各种衍生应用。为了达到开发上的方便性，必须要让下层的算法提供较为高档和完全的接口功能;在数据输出上，充分考虑不同的上层应用，提供 容易改造的基础。

降低整合困难度。也就是降低具备LPR的设备产品本身开发难度，可以大大加快产品推出的速度，及时响应市场需求。

占用较低的处理器资源。如果LPR稍复杂而对CPU的要求提高，将会实际削弱算法的部署能力，影响设备的其他菜单现。

一些根基于ARM的新兴LPR程序如何运作，并且能符合上述的几项必备特点，让我们透过以下的交通监控测试为例来分析说明(测试样本为 20，000张台湾交通监控图面和1，000小时录像)。 典型的SoC芯片级LPR解决方案，是基于通用的ARM将一个完整的车牌识别应用功能实现分为两个部分：被硬化的基础操作数IVE(智能进行了一系列实验与行走蜘蛛和蝎子进行对比。地质学家克丽斯塔-萨德勒重复进行了这些测试影像引擎)，以及 上层功能实现。其核心程序模块包括：车辆检测和跟踪、车牌检测、字符分割，字符识别和规则输出。