1. 項目概述先搞明白這套系統(tǒng)到底要解決什么問題很多第一次接觸這個項目的人都會把注意力放在“怎么把車牌數(shù)字認(rèn)出來”上但真實場景里停車場的訴求要立體得多。第一是通行效率早晚高峰的時候如果每輛車進(jìn)場要等人工登記、刷卡、或者車主自己掃碼排隊長度直接蔓延到市政道路上。第二是找位效率車主進(jìn)了地下車庫繞了十分鐘找不到空位體感極差也容易造成場內(nèi)擁堵。第三是收費管理人工收現(xiàn)金、掃碼支付漏單和扯皮特別多物業(yè)需要一套準(zhǔn)確的數(shù)據(jù)去核對每一筆訂單。第四是安全管控哪些車能進(jìn)、哪些車要攔截需要黑名單和月卡管理。車牌識別和引導(dǎo)系統(tǒng)本質(zhì)上就是把“車輛身份識別”和“車位狀態(tài)感知”這兩件底層事情做好然后在上層跑通一套管理邏輯。車輛進(jìn)場的瞬間識別車牌判斷權(quán)限開閘放行同時記錄車位占用狀態(tài)場內(nèi)引導(dǎo)屏告訴車主哪個區(qū)域還剩多少車位離場時再識別同一張車牌自動計算費用。這套系統(tǒng)做扎實了停車場的運轉(zhuǎn)效率能上去一個量級物業(yè)方的管理成本也能明顯降下來。我見過不少項目在需求階段就把范圍想小了只做了入口識別模塊結(jié)果裝完才發(fā)現(xiàn)場內(nèi)引導(dǎo)、出口計費全都得聯(lián)動返工成本極高。所以這篇內(nèi)容一開始就要把系統(tǒng)的完整邊界畫清楚一套能真正落地的停車場車牌識別及引導(dǎo)系統(tǒng)應(yīng)該包含出入口識別單元、場內(nèi)車位感知、引導(dǎo)信息發(fā)布、中心管理平臺以及可選的車主端應(yīng)用。簡單說就是從車輛接近入口那一刻開始到它停進(jìn)車位、再到它繳費離場整個閉環(huán)里的每一個環(huán)節(jié)都要有人管。1.1 從一條完整的數(shù)據(jù)流看清每個模塊的職責(zé)完整的數(shù)據(jù)流是這樣的車輛駛?cè)肴肟谟|發(fā)區(qū)攝像頭抓拍并識別車牌識別結(jié)果發(fā)給中心管理平臺平臺判斷車輛權(quán)限后下發(fā)開閘指令同時更新對應(yīng)區(qū)域的剩余車位計數(shù)引導(dǎo)屏隨即刷新數(shù)字車輛進(jìn)場后車位檢測傳感器實時回報每個車位的占用情況車輛離場時出口攝像頭再次識別車牌平臺計算停車時長和費用完成扣款后開閘放行。這條鏈路里出入口的識別設(shè)備負(fù)責(zé)“看”、中心平臺負(fù)責(zé)“想”和“記”、引導(dǎo)屏和道閘負(fù)責(zé)“做”。任何一個環(huán)節(jié)出問題都會直接體現(xiàn)在車主體驗上。比如入口識別慢了車輛就要在閘桿前頓一下出口費用算錯了車主馬上就會按喇叭引導(dǎo)屏顯示有車位但開過去沒有那車主下次對這個停車場的信任感就徹底沒了。所以做這套系統(tǒng)不能只盯著某個算法準(zhǔn)確率要從整個數(shù)據(jù)流的角度去設(shè)計。團(tuán)隊內(nèi)部拆解需求時我喜歡把模塊分成“感知層、決策層、執(zhí)行層”三層來討論。感知層是攝像頭、地磁、超聲波這些采集設(shè)備決策層是中心平臺和邊緣盒子的算法與業(yè)務(wù)邏輯執(zhí)行層是道閘、引導(dǎo)屏、指示燈這些直接跟車主交互的硬件。三層分離的好處是每一層都能獨立替換和升級。比如今天用地磁做車位感知明天想換視頻識別只要接口和數(shù)據(jù)格式不變感知層的設(shè)備可以直接換掉決策層和執(zhí)行層完全不用動。2. 技術(shù)選型硬件、算法、架構(gòu)三件套怎么定技術(shù)選型是最容易被低估的一步。很多團(tuán)隊上來就寫代碼做到一半發(fā)現(xiàn)攝像頭角度不對、補(bǔ)光不足、設(shè)備不兼容然后全部推翻重來。我認(rèn)為選型決定了下限后面所有調(diào)優(yōu)都是在補(bǔ)上限。這一節(jié)我把硬件、算法、架構(gòu)三條線分別拆開講每一條都直接給可參考的結(jié)論。2.1 攝像頭和現(xiàn)場設(shè)備的選型邏輯攝像頭選型我自己的經(jīng)驗是優(yōu)先看現(xiàn)場安裝條件再看設(shè)備參數(shù)?，F(xiàn)場最理想的安裝位置是車道正前方高度三米五到四米攝像頭和水平面呈二十度左右的俯角。這個高度和角度能保證車牌在畫面里足夠大透視變形也不至于太嚴(yán)重。如果現(xiàn)場只有兩米二的高度就得用短焦距廣角鏡頭但邊緣畸變會比較厲害識別率會明顯下降。如果裝在側(cè)面抓拍角度斜得厲害除非用大角度識別算法否則不建議硬上。像素方面市面上主流的五百萬像素網(wǎng)絡(luò)攝像機(jī)已經(jīng)夠用。車牌本身只有十幾厘米寬在1080P畫面里只要保證車牌寬度占到畫面總寬度的四分之一以上字符就能被算法清楚分辨。焦距要結(jié)合車道寬度來定以六米左右的車道為例六毫米定焦鏡頭搭配五百萬像素傳感器能做到整條車道無障礙覆蓋。補(bǔ)光是必須考慮的尤其地下車庫。夜間弱光環(huán)境下如果只靠環(huán)境燈快門一慢就會拖影。推薦選擇帶內(nèi)置補(bǔ)光燈的攝像機(jī)或者外接光敏控制的補(bǔ)光燈。這里有個細(xì)節(jié)很多人不注意補(bǔ)光燈的角度要能照到車牌位置同時避免直射駕駛員眼睛。有些項目圖省事用常亮白光結(jié)果車主投訴“被閃瞎”后來只能改成與攝像機(jī)聯(lián)動頻閃的方案。還有幾個參數(shù)千萬別忽略。寬動態(tài)功能WDR在逆光場景下非常關(guān)鍵比如出入口朝西傍晚太陽直射鏡頭車牌處于強(qiáng)背光中沒有寬動態(tài)的攝像頭拍出來的車牌就是一片死黑?？扉T速度要設(shè)置得夠快一般不低于1/500秒這樣才能在車輛快速通過時抓住清晰的車牌。最后網(wǎng)絡(luò)攝像機(jī)盡量選擇支持標(biāo)準(zhǔn)化視頻協(xié)議比如ONVIF的后面軟件對接會省心很多避免被廠商私有協(xié)議鎖死。選型項推薦參數(shù)說明分辨率500萬像素保證車牌在畫面中足夠清晰焦距6mm定焦6米車道短焦覆蓋廣但畸變變大安裝高度3.5~4m過低要換廣角過高車牌變小俯角20度左右角度小變形少角度大識別難補(bǔ)光紅外或白光聯(lián)動頻閃常亮?xí)斐神{駛員眼睛不適寬動態(tài)必須支持逆光場景下的救命功能快門不低于1/500秒防止車輛拖影2.2 識別算法從傳統(tǒng)圖像處理到深度學(xué)習(xí)的取舍車牌識別算法是整個系統(tǒng)的靈魂也是技術(shù)選型上最需要花心思的地方。最早一批停車場系統(tǒng)用的是純圖像處理方案先通過顏色特征鎖定藍(lán)色或黃色的車牌區(qū)域再用邊緣檢測和形態(tài)學(xué)操作把車牌輪廓摳出來接著做透視校正然后字符分割最后用模板匹配或分類器逐一識別漢字、字母和數(shù)字。這種方案的優(yōu)點是非常輕量在嵌入式設(shè)備上能跑但缺點也很明顯對光線、角度、泥污特別敏感遇到新能源綠牌和雙層貨車牌就容易翻車?，F(xiàn)在的工業(yè)級方案基本都轉(zhuǎn)向了深度學(xué)習(xí)。第一步用目標(biāo)檢測模型在畫面里先把車和車牌位置框出來第二步用OCR模型識別車牌字符。整體識別流程更魯棒綠牌、黃牌、白牌、雙層牌都能通過擴(kuò)充訓(xùn)練數(shù)據(jù)來解決。缺點是需要一定算力得用帶GPU的服務(wù)器或者帶NPU的邊緣計算盒子才跑得流暢。個人開發(fā)者怎么取舍我的建議是不要盲目從零訓(xùn)練。如果是自己做項目練手先找一個車牌識別開源模型或者云服務(wù)商的圖像識別接口把系統(tǒng)跑通這個思路沒問題。但如果是給客戶落地項目就要考慮延遲、費用和數(shù)據(jù)合規(guī)問題。每輛車一次識別調(diào)用如果都走云端API按停車場日均車流量幾千次算一年是一筆不小的運營成本另外車牌屬于敏感信息傳輸?shù)皆贫艘残枰幚砗弦?guī)問題。所以正規(guī)落地項目里我更推薦采用支持本地推理的邊緣計算盒子把模型部署在設(shè)備端一進(jìn)一出識別延遲控制在幾百毫秒以內(nèi)。2.3 軟件架構(gòu)邊緣自治加中心調(diào)度離線也要能跑停車場系統(tǒng)有一個比較特殊的地方出入口設(shè)備分散在園區(qū)各處現(xiàn)場網(wǎng)絡(luò)環(huán)境參差不齊管理后臺又要統(tǒng)一查看。我建議采用“現(xiàn)場設(shè)備本地自治中心平臺調(diào)度”的混合架構(gòu)。出入口的識別盒子內(nèi)置識別算法和道閘控制邏輯就算中心平臺暫時斷網(wǎng)本地也能正常抬桿放行、保存通行記錄網(wǎng)絡(luò)恢復(fù)后本地緩存的數(shù)據(jù)再批量同步給中心。這個設(shè)計叫離線容災(zāi)做停車場項目一定要考慮。否則一次網(wǎng)絡(luò)設(shè)備重啟導(dǎo)致整個車庫出入口癱瘓現(xiàn)場場面會非常混亂。設(shè)備與中心平臺之間的通信不建議直接用嵌入式設(shè)備去連數(shù)據(jù)庫更合理的做法是走消息中間件。比如現(xiàn)場識別結(jié)果統(tǒng)一投遞到一個消息通道中心服務(wù)作為消費者處理。這樣做的好處是解耦出入口只管采集和上報不關(guān)心下游是計費、開閘還是推送同時天然支持多出入口并發(fā)寫入不會出現(xiàn)數(shù)據(jù)庫連接被撐爆的問題。占地面積大的車庫場內(nèi)還會部署多塊引導(dǎo)屏屏端從緩存服務(wù)里定時拉取區(qū)域車位數(shù)據(jù)來渲染而不是直接查業(yè)務(wù)數(shù)據(jù)庫這樣高頻讀操作不會壓垮主庫。技術(shù)棧上中心平臺用成熟的后端框架非常穩(wěn)妥。數(shù)據(jù)庫用關(guān)系型數(shù)據(jù)庫存訂單、車輛檔案、月卡這些結(jié)構(gòu)化數(shù)據(jù)緩存數(shù)據(jù)庫存實時車位計數(shù)。前端管理后臺用主流框架都行重點是能實時刷新停車場大屏、監(jiān)控視頻流、異常告警。如果還要支持小程序查停車記錄和反向?qū)ぼ嚲托枰粢唤M面向車主端的API注意加上鑒權(quán)。3. 核心環(huán)節(jié)實現(xiàn)從抓拍、識別到引導(dǎo)入位的完整鏈路3.1 車輛檢測與圖像抓拍別讓識別算法“餓肚子”很多人以為車牌識別就是把視頻流每一幀都丟給算法跑一遍這是非常低效的做法。實際工程中車輛檢測觸發(fā)抓拍是第一道工序。觸發(fā)方案主要有三種地感線圈、毫米波雷達(dá)、視頻檢測。地感線圈觸發(fā)是在地面切槽埋設(shè)環(huán)形線圈車壓過時電感變化觸發(fā)抓拍。優(yōu)點是可靠不受光線干擾缺點是施工破壞地面后期維護(hù)要動路。雷達(dá)觸發(fā)通過毫米波雷達(dá)檢測車輛到來不需要破壞地面安裝也方便現(xiàn)在很多新建項目都選這個。視頻觸發(fā)則是通過視頻流里的運動目標(biāo)檢測判斷車輛進(jìn)入識別區(qū)域零施工成本但對算法要求高容易誤觸發(fā)。我的建議是預(yù)算允許的情況下采用“雷達(dá)觸發(fā)視頻確認(rèn)”雙保險硬件成本會高一點但能最大限度降低漏抓概率。這里有另一個關(guān)鍵點觸發(fā)位置必須和識別區(qū)域配合好車到觸發(fā)點之后要預(yù)留一點點延遲讓車輛完全進(jìn)入畫面再抓拍不然抓出來的經(jīng)常是車頭特寫或只有半截車身。抓拍圖像的質(zhì)量直接決定識別率。真正落地時抓拍到的圖像一般會先做一次預(yù)處理再送進(jìn)算法灰度化、去噪、對比度拉伸、銳化。逆光場景下如果攝像機(jī)沒有啟用寬動態(tài)可以試試在前端做一次局部直方圖均衡把車牌的暗部細(xì)節(jié)硬拉出來。這些操作在圖像處理庫比如OpenCV里就是幾行代碼但對識別率的影響經(jīng)常是幾個百分點的級別。import cv2 def preprocess_plate(img): # 轉(zhuǎn)灰度 gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 降噪保留邊緣信息 blur cv2.bilateralFilter(gray, 5, 50, 50) # 對比度拉伸增強(qiáng)暗部細(xì)節(jié) clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) contrast clahe.apply(blur) return contrast3.2 車牌識別主流程每一步都在跟現(xiàn)場環(huán)境博弈車牌識別的主流程可以拆成四個步驟每一步都有對應(yīng)的工程坑。車牌定位。深度學(xué)習(xí)方案里這一步由檢測模型完成它會輸出車牌的四個角點。傳統(tǒng)方案則喜歡用顏色或邊緣特征。工程上要特別處理的是“類車牌區(qū)域”比如車頭進(jìn)氣格柵、保險杠上的裝飾件、墻上廣告牌里的車牌圖樣定位算法很容易在這些地方誤檢。實踐中會通過長寬比、面積大小、字符密度等先驗規(guī)則做一次過濾把置信度不高的候選框直接丟掉。車牌校正。車輛跟攝像頭之間很難完全垂直抓拍到的車牌往往帶透視變形四個角不是一個矩形。深度學(xué)習(xí)方案可以直接回歸出透視變換矩陣傳統(tǒng)方案則依賴車牌邊緣的直線擬合。校正這一步做不好后面的字符分割和識別都會受影響?？梢源騻€比方人臉識別之前要先擺正臉車牌識別也一樣圖像校正是保證后續(xù)“讀字”效果的基礎(chǔ)。字符分割。校正后的車牌圖像會先做二值化把字符和底色分開。經(jīng)典做法是按垂直投影找字符邊界對每一列統(tǒng)計像素數(shù)量字符之間會有明顯的谷值根據(jù)谷值位置切出一個個單字符。這里最容易翻車的是鉚釘、污漬和邊框干擾所以二值化之前要先用形態(tài)學(xué)開運算去掉細(xì)小噪聲并且基于車牌的先驗尺寸把上下邊框裁剪掉。字符識別。單個字符識別在今天的深度學(xué)習(xí)框架下已經(jīng)不算難事難的是中文漢字的類別數(shù)。車牌漢字雖然常用省份簡稱有限但加上字體多樣性還是有些識別難度的。模板匹配方案遇到字體模糊容易掛深度學(xué)習(xí)分類器會好很多。注意新能源車牌比傳統(tǒng)藍(lán)牌多一個字符而且寬度不同分割邏輯要兼容。貨車的雙層車牌也要專門處理上下兩行分別識別再拼接結(jié)果。最后給一個關(guān)鍵建議識別結(jié)果不要直接當(dāng)作最終結(jié)果使用要做后處理校驗。車牌格式是固定的第一位是省份漢字第二位是字母后面是字母和數(shù)字組合。如果算法識別出的結(jié)果不符合這個組合規(guī)律大概率是中間某一步出錯了可以觸發(fā)重拍或者人工復(fù)核流程。這塊邏輯能幫你擋住不少明顯錯誤。3.3 車位檢測與引導(dǎo)屏刷新從“能停”到“好找”引導(dǎo)系統(tǒng)的基礎(chǔ)是車位狀態(tài)感知目前主流方案無非三種地磁傳感器、超聲波雷達(dá)、視頻檢測樁。它們的對比非常直觀方案優(yōu)點缺點適用場景地磁傳感器成本低部署簡單要換電池易受金屬干擾小型地面停車場超聲波雷達(dá)誤判率低成本適中層高太高或上方有遮擋裝不了室內(nèi)車庫層高規(guī)整視頻檢測樁效果直觀附帶監(jiān)控單路成本高需要角度合理地下多層車庫不管用什么傳感器車位狀態(tài)數(shù)據(jù)都不可能百分百可靠。一個車停在兩個車位交界處、一個車位被雜物占了、一輛車離場但傳感器延遲了這些都會導(dǎo)致引導(dǎo)屏顯示的剩余車位不準(zhǔn)確。為了盡量減少誤差平臺側(cè)要做數(shù)據(jù)校準(zhǔn)。一種做法是入口道閘記錄和車位傳感器數(shù)據(jù)互相校驗入口統(tǒng)計顯示總共進(jìn)了N輛車出口統(tǒng)計顯示總共出了M輛車?yán)響?yīng)在場車輛數(shù)就是N-M如果這個數(shù)和車位占用總數(shù)對不上說明中間有數(shù)據(jù)漂移系統(tǒng)需要在低峰時段自動做一次全量校準(zhǔn)。引導(dǎo)屏的刷新邏輯也值得提一句。不要把所有車位的實時狀態(tài)都推到每塊屏上更合理的做法是屏端只顯示“區(qū)域剩余車位數(shù)量方向”刷新頻率五秒一次足夠。太高了反而會導(dǎo)致屏端閃爍負(fù)擔(dān)太低了又會讓車主覺得信息滯后。如果要做更精細(xì)的室內(nèi)導(dǎo)航比如每個車位上的指示燈那就要把每個探測點的狀態(tài)實時推送那種場景的數(shù)據(jù)量和這里的區(qū)域級引導(dǎo)完全不是一回事。說到車位推薦很多剛做引導(dǎo)系統(tǒng)的人容易忽略一個問題停車場分區(qū)域引導(dǎo)時并不是所有區(qū)域?qū)λ熊囕v都開放的。月卡車輛可能只允許進(jìn)入固定區(qū)域新能源車要引導(dǎo)到有充電樁的車位大貨車要避開層高不足的區(qū)域。所以在入口識別車牌之后平臺除了開閘其實還應(yīng)該做一次“可引導(dǎo)區(qū)域”的判斷把車輛分配信息通過引導(dǎo)屏或APP下發(fā)。這個邏輯雖然不復(fù)雜但對后續(xù)的用戶體驗影響很大。4. 踩坑記錄那些實測中讓人頭禿的問題和排查思路4.1 識別率上不去的七個常見原因第一是安裝角度問題。攝像頭角度太斜透視變形超過一定范圍算法再怎么調(diào)也很難救回來。調(diào)整設(shè)備時建議用現(xiàn)場畫面實測讓車牌長邊在畫面中保持水平傾斜角度不超過三十度。第二是逆光。這個問題前面說過基本靠寬動態(tài)、補(bǔ)光和圖像預(yù)處理三件套解決。如果現(xiàn)場確實沒辦法改變朝向可以嘗試將識別區(qū)后移讓車輛在陰影更少的位置停下識別。第三是夜間強(qiáng)反光。車牌表面有反光材料補(bǔ)光燈角度不對會讓字符區(qū)域一片高光。解決方式是調(diào)整補(bǔ)光和攝像頭的相對位置避免正對車牌反射光線。第四是臟車牌。雨天泥水糊住車牌任何算法都會受影響。這個只能提高抓拍頻率多試幾次同時保留現(xiàn)場照片供人工核實。第五是新能源車牌的識別。綠牌色度區(qū)分度和藍(lán)牌差別很大如果識別模型訓(xùn)練數(shù)據(jù)里綠牌數(shù)量不夠會頻繁漏檢或誤檢。這個必須從樣本層面解決模型要做針對性擴(kuò)充。第六是雙層貨車牌。上下兩行字符如果分割模塊沒有專門處理會把兩行混在一起識別出莫名其妙的結(jié)果。需要先檢測車牌長寬比判斷是否是雙層再分兩行處理。第七是抓拍延遲。車輛速度太快觸發(fā)到抓拍之間的延遲過大導(dǎo)致車牌還沒完整進(jìn)入畫面就拍了?？梢酝ㄟ^調(diào)整觸發(fā)位置和抓拍延時參數(shù)來優(yōu)化一般慢速通道延時200到300毫秒比較穩(wěn)妥。4.2 引導(dǎo)數(shù)據(jù)不準(zhǔn)確的排查套路引導(dǎo)系統(tǒng)最讓人頭大的就是“顯示有余位但實際滿了”。我自己的排查步驟如下。第一步核對出入口的進(jìn)出記錄總數(shù)。如果入口計數(shù)比出口大得很離譜先看是不是有車從入口倒出去或者從出口溜進(jìn)來。這時候要調(diào)整觸發(fā)區(qū)域的防重觸發(fā)邏輯增加一個最小時間間隔比如同一通道兩次觸發(fā)間隔不能小于三秒。第二步檢查車位傳感器。地磁傳感器容易受周圍金屬車架干擾超聲波傳感器容易因為高度變化漏判。我建議在軟件后臺給每個車位傳感器建一張“狀態(tài)變化歷史表”出現(xiàn)連續(xù)三次同樣的變化時先標(biāo)記為可疑不直接參與計費等人為確認(rèn)。第三步看引導(dǎo)屏的取數(shù)邏輯。有的項目是前端每隔幾秒去查一次數(shù)據(jù)庫在實際并發(fā)量高的時候會出現(xiàn)數(shù)據(jù)錯亂或者超時。建議統(tǒng)一改成從緩存數(shù)據(jù)庫讀取并由中心平臺統(tǒng)一負(fù)責(zé)維護(hù)緩存與真實狀態(tài)的同步。最后分享一個實戰(zhàn)小技巧在平臺加一個“手動校準(zhǔn)”按鈕運營人員在每天低峰時段人工確認(rèn)一次全場車位狀態(tài)把錯誤狀態(tài)一鍵清掉。這個功能看起來不起眼實際運營中特別有用能顯著降低客訴。4.3 并發(fā)和斷網(wǎng)的穩(wěn)定性設(shè)計停車場早晚高峰出入口并發(fā)量不小中心平臺如果扛不住瞬時并發(fā)就會出現(xiàn)閘機(jī)開了但記錄沒存上或者存了兩條重復(fù)記錄。處理這個問題有三個要點數(shù)據(jù)庫連接池要合理配置接口要做冪等處理同一個車牌在同一出入口的多次放行要能夠合并成一次有效通行。道閘控制的指令要設(shè)計成“只發(fā)一次”避免網(wǎng)絡(luò)重傳導(dǎo)致閘機(jī)反復(fù)抬桿落桿。斷網(wǎng)場景前面提到過出入口設(shè)備必須支持本地緩存、離線放行。但恢復(fù)聯(lián)網(wǎng)后如何安全補(bǔ)傳數(shù)據(jù)也是一個容易忽略的細(xì)節(jié)。補(bǔ)傳時可能會給在場記錄和訂單數(shù)據(jù)帶來重復(fù)所以每條通行記錄必須生成一個全局唯一的流水號服務(wù)端通過這個流水號做去重。這個設(shè)計一定要在系統(tǒng)一開始就做進(jìn)去后期再補(bǔ)會非常痛苦。還有一個日常運維容易忽略的問題錄像存儲。車牌識別攝像頭順帶承擔(dān)了安防監(jiān)控的職責(zé)如果存儲空間不足導(dǎo)致視頻被循環(huán)覆蓋事后出了糾紛想調(diào)取證錄像發(fā)現(xiàn)早就沒了。建議單獨規(guī)劃視頻存儲周期至少保留三十天重要的出入口可以再延長。引導(dǎo)系統(tǒng)的數(shù)據(jù)和視頻錄像配合才能發(fā)揮最大價值。5. 寫在最后做停車場系統(tǒng)要有蹲在現(xiàn)場調(diào)設(shè)備的覺悟最后碎碎念一些我在實際項目里的感受。這套系統(tǒng)不像互聯(lián)網(wǎng)應(yīng)用那樣一個版本上線就能覆蓋所有用戶它依賴的現(xiàn)場環(huán)境千奇百怪同一個方案在這個車庫跑得好好的換到另一個車庫就各種問題。所以做停車場車牌識別及引導(dǎo)系統(tǒng)心態(tài)上一定要準(zhǔn)備好常駐現(xiàn)場調(diào)優(yōu)。硬件層面的安裝角度、補(bǔ)光角度軟件層面的識別參數(shù)、引導(dǎo)屏刷新策略都是在一次次回到現(xiàn)場之后慢慢磨出來的。如果看完這篇內(nèi)容打算自己動手做一套我的建議是不要一上來就追求大而全先找一個小型停車場把入口識別、出口計費、場內(nèi)引導(dǎo)這三條主鏈路跑通再加各種邊緣場景。設(shè)備成本其實沒有想象中高很多國產(chǎn)安防設(shè)備的價格已經(jīng)非常親民關(guān)鍵是設(shè)計階段把接口和數(shù)據(jù)結(jié)構(gòu)定義清楚。等基礎(chǔ)版本穩(wěn)定跑起來之后再去迭代車位級指示燈、反向?qū)ぼ囘@類進(jìn)階功能每一步都會特別有成就感。