现有的智能停车场中，短车道和近距离跟车引起的车牌漏识别现象屡见不鲜。通常来说车牌识别结果控制着道闸的开合，一旦出现车牌漏识别，往往会造成停车场车道被挤占，出入车辆滞留，甚至可能导致场内外交通拥堵。
停车场车道过短，会导致车辆拐弯进入后车牌距离相机太近
两车相随进入停车场，跟车车牌被前车阻挡
为了避免上述情况的发生，火眼臻睛2.0车牌识别一体相机（以下简称火眼2.0）提出了车牌近距离识别解决方案。它能够有效解决停车场短车道车牌漏识别以及跟车漏识别的问题。
短车道及跟车状态下车牌漏识别原因：
为了能够更好的阐述火眼2.0车牌近距离识别的内容。我们首先来设想一个问题：既然是计算机视觉识别，是不是车牌在采集画面中占用的像素宽度越大，识别相机就越容易对车牌进行识别呢？事实并非如此。
对于一般的长车道，来车从车辆到达触发检测直到车牌信息被正确识别的过程中。车牌所占用的像素宽度，与整个采集画面相比，所占的比例还是很小的。我们把相机能够识别的车牌像素宽度范围称为相机可识别宽度（后文简称可识别像素宽度）。
远距离条件下，车牌在画面中的像素宽度较小
因此车牌距离相机的位置越近，在画面中所占用的像素宽度就越大。当车牌的像素宽度在图像中过大时（比如超过了一半的图像宽度），就会增加相机定位车牌的难度，从而导致车牌误识别和漏识别。这样很好的解释了，为何大车牌在短车道在短车道条件下，漏识别和误识别现象尤为突出。
近距离条件下，车牌在画面中超过一半像素宽度
跟车漏识别的原理同上。进入监控画面后，跟车的车牌被前车车体遮挡，相机只能检测到前车车牌，而当跟车驶近，相机可以检测到跟车车牌的时候，车牌的像素宽度，已经超过了相机的可识别像素宽度，自然无法正常识别车牌。
火眼2.0近距离识别原理：
火眼2.0正是拥有着优异的相机可识别宽度，特别在大车牌近距离识别方面，从400像素宽度级别提升到600像素宽度级别。过去需要在5米外才能进行识别的车牌，火眼2.0只需在1米的距离就能轻松搞定。更为重要的是，火眼采用自研的检测算法和大规模神经网络深度算法，能够有效滤除画面中无关物体的干扰，准确定位车牌，并对其进行精准识别，切实保障了近距离识别的速度和准确率。
近距离识别应用场景：
举例来说，一段很短的停车场车道，来车在从公路上驶入时，车牌在图像中显示出很大的像素宽度，火眼2.0依旧能够迅速识别出车牌结果后，发送给管理系统，受控道闸自动抬起放行车辆，实现了来车不停车进入停车场。
火眼2.0短车道识别示意图
近距离识别结合大角度识别功能，还能解决跟车漏识别问题。用户只需要增加架设高度，相机就能及时发现跟车并检测识别车牌。虽然增加相机的架设高度，会降低相机的视域范围，导致车牌像素面积以及识别角度的增加，但是依托强悍的近距离识别和大角度识别能力，跟车漏识别问题也就迎刃而解了。
火眼2.0跟车识别示意图
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。