随着城市和基础设施的不断发展，有效管理车辆交通已成为市政当局、企业和居民社区的首要任务。传统的ANPR解决方案通常依赖于云计算，但云方案往往面临隐私保护、高成本、延迟和适应性不足等问题。客户需要一种实时、经济且可扩展的解决方案，用于停车场管理、收费站和交通监控等应用场景。此外，智能楼宇和智能家居领域的应用（如自动智能停车、车辆控制、智能车库门以及门禁社区的访问控制）也能从先进的ANPR解决方案中获益。
Irida Labs的边缘AI驱动型ANPR解决方案，通过在边缘设备上直接处理数据，利用意法半导体的STM32 MCU，成功克服了上述挑战。该方案目前能够准确识别欧洲车牌（可按需扩展至其他国家/地区），并且能够在多种天气条件下以及300-20,000 Lux的光照范围内有效运行。
图像处理以3.1-6.0 FPS的帧速率运行（端到端）。通过API/MQTT/HTTP/SERIAL实现无缝集成，可支持基于车辆的门禁控制、私人停车管理和智能收费等应用。与现有解决方案相比，其运营成本降低了约40%。
由于无需昂贵的云计算和复杂的服务器设置，该解决方案使市政当局、企业和居民社区能够以最小的投资加强车辆监控。该方案在受控条件下的优化性能与实时处理能力相结合，使其成为智能城市、智能楼宇和智能家居领域的关键工具。
我们将在本用例中进一步探讨其实施细节。同时，您还可以在此处了解更多关于边缘AI的优势。
应用原理
该系统采用稳健的两阶段检测算法，处理车辆图像以检测和识别车牌。当车牌识别成功后，系统会将提取的车牌号码与其灰度图像补丁一并显示，提供清晰的视觉参考。
方法
PerCV.ai的设备端视觉智能平台，基于计算机视觉和边缘AI，依托专有的机器学习引擎，实时运行并构建了高效且可靠的ANPR解决方案。两阶段检测算法确保了高精度、稳健性和可扩展性。系统通过串行API进行通信，可与第三方软件和硬件组件集成。
传感器
RGB图像传感器。
该系统配备了一个基于IMX335的MIPI CSI图像传感器/摄像头，可与STM32N6570-DK开发套件配套使用。
结果
该系统以3.1-6.0 FPS的端到端速度处理数据，可在0.75-2 m范围内以±10°视角捕捉车牌，并在300-20,000 Lux的条件下有效运行。
能够同时跟踪多达5块车牌，处理速度高达6 FPS。
作者：Irida Labs | 最后更新时间：2025年2月
资源 
使用STM32Cube.AI进行优化
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
最适用于STM32N6系列
STM32系列32位微控制器基于Arm Cortex®-M处理器，旨在为MCU用户提供新的开发自由度。该系列产品结合了高性能、实时功能、数字信号处理、低功耗/低电压操作和出色的连接性，同时保持高度集成和易于开发的特点。
