| Application | 汽機車產業、監控與保全業、及 雲端系統與物聯網應用 |
| Function | 影像偵測 及 影像辨識 |
| Technical Benefit | 可同時在多相機運作、增進計算效能/執行速度、提升天候變化容忍度、操作方便/降低人工參與度、及 降低錯誤率/增進穩定性 |
| Technology Status | 可移轉技術 |
為了改善傳統的車牌辨識系統常遇到的問題:第一是當在複雜背景的環境下，車牌辨識的結果容易有誤偵測。第二是在影像是有較高的傾斜時,車牌無法辨識。第三在傳統的車牌辨識需要在良好的控制環境下，例如停車場，但是在開放的環境下就無法有較好的辨識結果。為了克服這些問題，我們使用了最新的深度學習技術，透過讓機器在不同環境下大量的學習，得到更好的辨識結果。首先我們使用一個深度學習的模型先定位出車牌，接著透過另一個深度學習的模型對車牌進行辨識。此技術在一般開放式環境下車牌辨識可高於98%以上，效能部分每秒約處理15張影像以上。
(a) 低解析影像
(b) 低對比影像
(c) 高傾斜影像
展示影片
系統規格：
(1) 系統平台：Window 7/8/10
(2) 開發工具：C/C++
(3) 硬體規格： PC
系統要求：
