شاید راننده‌ی معمولی یک خودرو نداند، اما فناوری تشخیص پلاک خودرو (LPR) امروزه بیش از هر زمان دیگری رایج شده و با پیشرفت‌های فناوری، تبدیل به راه حلی به صرفه و قدرتمند برای سیستم‌های کنترل دسترسی و فرآیندهای پلیسی شده است. این در حالی است که بسیاری از رانندگان هنوز از کارکرد دقیق سیستم‌های پلاک‌خوان اطلاع چندانی ندارند. باب مسنیک، مدیرعامل یکی از شرکت‌های تولیدکننده‌ی سیستم‌های پلاک‌خوان در ایالات متحده در مقاله‌ای آورده، مؤلفه‌های اصلی که در سیستم پلاک‌خوان مورد استفاده قرار می‌گیرد، نرم افزار آنالیتیک است که تصاویر را به کاراکترهای کامپیوتری و به یک دوربین IP خوب تبدیل می‌سازد. نرم افزار تبدیل آنالیتیک به نرم افزار OCR شباهت دارد. مسنیک گفت: سیستم‌های پلاک‌خوان به عنوان یک سیستم مستقل و یا گزینه‌ای درونِ سیستم‌های مدیریت تصاویر دوربین‌های IP موجود هستند.
بخش‌های سیستم پلاک‌خوان
اولین بخش راهکار پلاک‌خوان، خودِ دوربین IP است. دوربین مورد استفاده برای این امر باید بتواند تصاویری با کیفیت عالی دریافت نماید، چرا که کارکرد درست نرم افزارهای آنالیتیک تا حد زیادی به این امر بستگی دارد. رزولوشن این سیستم‌ها باید بدون توجه به شرایط نوری روز یا شب در سطح خوبی باشد. در مورد عملکرد دوربین‌ها در روز و یا شب، لازم است به این نکته توجه کرد که بسیاری از دوربین‌های IP در طولِ روز بسیار خوب عمل می‌نمایند، اما هنگامِ شب با چالش همراه هستند. مسنیک گفت: اگر نور استاندارد موجود نباشد، نور IR را می‌توان به سیستم‌ها اضافه کرد. این نور می‌تواند هم به صورت مجزا باشد و هم داخل دوربین‌ها به صورت نورافکن‌هایی نصب شده باشد. بسیاری از پلاک‌های خودروها نوعی رنگ قابل انعکاس دارند که هنگام نورپردازی IR امکان مشاهده‌ی آنها بیشتر می‌شود. دوربین‌ها باید از فناوری WDR نیز پشتیبانی کنند تا در شرایط نوری شدید بتوانند به خوبی عمل نمایند. همچنین نیازهای خاصی برای اهداف ویژه وجود دارد. برای مثال، اگر دوربینی نیاز به گرفتن تصویر پلاک خودرویی داشته باشد که از روبرو می‌آید، باید تمهیداتی اندیشیده شود که درخشش نور چراغ جلوی خودرو از بین برود. سرعت خودرو نیز عامل بسیار مهمی در گرفتن تصاویری با کیفیت بالا است. هر قدر که سرعت بالاتر برود، گرفتن و پردازش تصویر پلاک سخت‌تر می‌گردد. در اینجا است که نرخ فریم و سرعت دیافراگم دوربین وارد ماجرا می‌شود. برای عملکرد مناسب‌تر، دوربین IP باید سرعت نرخ فریم بیشتر و سرعت دیافراگم کوتاه‌تری داشته باشد. به عقیده‌ی مسنیک، در بسیاری از موارد، سرعت دیافراگم کمتر از یک هزارم ثانیه مورد نیاز است تا از کدر شدن تصویر جلوگیری شود. نحوه‌ی قرارگیریِ دوربین نیز اهمیت دارد. نصب کنندگان باید این نکته را در نظر بگیرند که دوربین تصویر پلاک خودرو را از زاویه نگیرد. در بسیاری از موارد، دوربین یک مسیر را در هر بار تصویربرداری می‌گیرد و اندازه‌ی این مسیر به‌وسیله رزولوشن دوربین تعریف می‌شود. مسنیک می‌گوید: هر قدر زاویه‌ی دوربین وسیع‌تر باشد، رزولوشن بیشتر و بیشتری مورد نیاز است.
رزولوشن دوربین
نقش رزولوشن دوربین نیز در این میان، کاملاً مشخص است. هر قدر که رزولوشن دوربین بیشتر و بالاتر باشد، شانس گرفتنِ کاراکترهای پلاک خودرو بیشتر می‌شود. برای این که این امر ساده‌تر شود، بسیاری از سیستم‌های پلاک‌خوان نرخ رزولوشن را برای کارکرد سیستم خود تعریف می‌کنند و معمولاً این امر با پیکسل‌های سطح پلاک خودرو و پیکسل‌های هر کاراکتر مشخص می‌گردد. مسنیک گفت: افراد، تصویر محو یک کاراکتر را از کامپیوتر بهتر تشخیص می‌دهند. کامپیوتر برای شناسایی به رزولوشن بالاتری نسبت به چشم انسان نیاز دارد. اما سؤال این است که رزولوشن چه مقدار باید باشد؟ برای این آنالیز، فرقی نمی‌کند که سایز کاراکتر بزرگ یا کوچک باشد. رزولوشن درست با تعداد پیکسل‌های هر کاراکتر مشخص می‌شود. زاویه‌ی دید دوربین را می‌توان به گونه‌ای تنظیم کرد که پیکسل‌های تمامی کاراکترها به درستی به نمایش درآیند. همچنین لنز مورد استفاده برای سیستم‌های پلاک‌خوان نیز می‌تواند مورد محاسبه قرار گیرد. لنز، میزان فاصله از دوربین را محاسبه می‌کند و نصب‌کنندگان باید از علم مثلثات استفاده کنند تا زاویه لنز مورد نیاز به دست آید. لنز دوربین‌های IP به‌وسیله میلی‌متر و یا زاویه محاسبه می‌شوند، بنابراین، انتخاب لنز چندان سخت نیست. برای مثال، یک دوربین با زاویه لنز 20 درجه می‌تواند در فاصله 46 پا از موقعیت پلاک خودرو قرار گیرد.
الگوریتم‌های پلاک‌خوان
آخرین مؤلفه در راهکارهای پلاک خوان نرم افزاری است که برای خواندن و تشخیص کاراکترها مورد استفاده قرار می‌گیرد. فناوری اصلی که در اینجا به کار می رود، تشخیص کاراکتر به صورت اپتیکال است. موتورهای OCR معمولاً از دو نوع الگوریتم استفاده می‌کنند. مسنیک گفت: در اولین روش تصاویر انطباق داده می‌شوند. سیستم تمامی پیکسل‌ها را ذخیره می‌نماید و الگوی تصویری مشاهده شده را با تصاویر ذخیره مطابقت می‌دهد. در تمامی موارد، تصویر پلاک خودرو به یک کد کامپیوتری تبدیل می‌شود. این اطلاعات را می‌توان با پایگاه داده مقایسه و یا تنها برای کاربرد در آینده ثبت کرد.
