隨著社會(huì)的發(fā)展進(jìn)步，車牌識(shí)別已經(jīng)逐漸的發(fā)展成為智能交通系統(tǒng)中較為重要的組成部分，也是收費(fèi)系統(tǒng)防止作bi的重要手段，更是高速系統(tǒng)自動(dòng)化收費(fèi)系統(tǒng)必須解決的關(guān)鍵問題，主要的目的是可以從圖像中自動(dòng)提取出車牌的圖像，分割字符圖像，實(shí)現(xiàn)對(duì)車牌信息的識(shí)別和比對(duì)。它不僅僅是計(jì)算機(jī)視覺與模式識(shí)別技術(shù)重要的研究話題，更是交通管理智能化的關(guān)鍵技術(shù)之一。目前，國(guó)內(nèi)外都致力于這方面的研究，如模版匹配，神經(jīng)網(wǎng)絡(luò)，小波變換等，也都取得了較好的研究成果。隨著現(xiàn)代管理方法的進(jìn)步和科學(xué)技術(shù)的發(fā)展，社區(qū)用戶對(duì)車輛管理的要求越來越高。

車牌定位是指在經(jīng)過圖像預(yù)處理操作后的灰度圖像中判斷出車輛車牌所在的區(qū)域，而車牌分割是指在完整的車輛圖像中把本設(shè)計(jì)所要的車牌區(qū)域的圖像分割出來，為下一步的字符識(shí)別操作做準(zhǔn)備。車牌圖像處理后的灰度圖是一個(gè)水平度很高的矩形圖樣，在預(yù)處理圖中比較集中，且字符的灰度值和相鄰字符圖樣有較明顯差別，因此很容易用邊緣算法檢測(cè)操作來對(duì)圖像進(jìn)行分割。車牌定位和分割的精準(zhǔn)度將直接影響到終的字符識(shí)別的好壞。我們采取這樣的方法確定字符的左右坐標(biāo)和寬度，就可以對(duì)字符進(jìn)行分割。

字符識(shí)別：對(duì)分割之后的字符進(jìn)行收縮、提取字符的特性，分類之后與數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)的字符進(jìn)行比對(duì)，后識(shí)別出字符的圖像，這是字符識(shí)別的整個(gè)過程。字符識(shí)別的兩個(gè)重要點(diǎn)為字符特征提取和模式的匹配，該體系主要有以下幾種方式：一種方式是用字符的結(jié)構(gòu)特性及其變換進(jìn)行特征提取，這種方式對(duì)于字符的傾斜以及字符的變形等等都有很高的兼容性，但它在運(yùn)算過程中太復(fù)雜，且對(duì)計(jì)算機(jī)的性能要求很嚴(yán)格。另一種方式是統(tǒng)計(jì)字符特征對(duì)其特征進(jìn)行提取，目前，大部分的字符識(shí)別都運(yùn)用了這種方式。在字符特征提取中，能夠借助字符投影的特征及輪廓特征構(gòu)成字符特征的矢量，然后對(duì)汽車牌照字符的特征進(jìn)行匹配，這樣就擁有了清晰的識(shí)別率。居民對(duì)生活質(zhì)量的要求和國(guó)家對(duì)公共安全秩序的要求及其不斷完善，停車場(chǎng)管理和控制行業(yè)發(fā)展迅速。

同時(shí)，它可以有效地維護(hù)停車場(chǎng)的秩序。內(nèi)部車可以實(shí)現(xiàn)不間斷進(jìn)入市場(chǎng)。外國(guó)車只需要支付費(fèi)用，無需取卡/等復(fù)雜程序。車牌識(shí)別機(jī)的關(guān)鍵是識(shí)別率。由于獲得的車牌圖像的多樣性以及諸如煙霧，雨，雪和不同陽光角度等許多因素的影響，車牌識(shí)別面臨著巨大的挑戰(zhàn)。但是，隨著技術(shù)的發(fā)展，這些問題正逐漸得到解決。車牌識(shí)別攝像頭可采用寬動(dòng)態(tài)CMOS，基于車牌的局部曝光和圖像控制的光填充技術(shù)，可自動(dòng)跟蹤光線變化，有效抑制光線和背光。車牌的定位與校正本章主要描述的是對(duì)已有車牌定位方法的研究，了解它們的算法原理及其優(yōu)缺點(diǎn)，并提出了一種效果更好適用范圍更廣的車牌識(shí)別系統(tǒng)方法，即將MeanShift算法運(yùn)用到車牌識(shí)別系統(tǒng)，然后在此基礎(chǔ)上對(duì)車牌進(jìn)行校正。特別是在夜間，它可以抑制汽車前照燈的干擾，使車牌清晰掃描，識(shí)別率達(dá)到99.58％，居。