隨著汽車(chē)在人們的工作、生產(chǎn)和生活中扮演著越來(lái)越重要的角色，汽車(chē)的保有量也在急速增加。由此帶來(lái)的交通管理問(wèn)題也變得越來(lái)越復(fù)雜，智能交通系統(tǒng)的建立是很好的解決問(wèn)題的方法。在現(xiàn)代交通行業(yè)發(fā)展過(guò)程中，車(chē)牌的識(shí)別體系是制約交通管理實(shí)現(xiàn)科技化的因素，該課題研究的車(chē)牌識(shí)別體系大大降低了交通管理工作的復(fù)雜程度。而車(chē)牌識(shí)別技術(shù)在智能交通系統(tǒng)中占有十分重要的地位。停車(chē)廠、收費(fèi)站、生產(chǎn)企業(yè)的門(mén)禁管理都有車(chē)牌識(shí)別技術(shù)的身影。

在車(chē)輛車(chē)牌識(shí)別技術(shù)中的圖像提取、字符分割起、字符識(shí)別過(guò)程中，數(shù)字圖像處理技術(shù)起到了重要作用。如今，車(chē)牌識(shí)別停車(chē)系統(tǒng)被認(rèn)為是更便于管理和更快車(chē)輛交通的停車(chē)管理系統(tǒng)。但由于圖像提取出現(xiàn)場(chǎng)可能存在因時(shí)間、光線、天氣的變化而造成的干擾使車(chē)牌成像效果較差的問(wèn)題。所以目前現(xiàn)有的車(chē)牌識(shí)別系統(tǒng)都存在因環(huán)境變化而產(chǎn)生的識(shí)別率變化的問(wèn)題。

定位模塊的基礎(chǔ)功能，屬于在整體車(chē)輛圖像之內(nèi)探尋對(duì)應(yīng)的車(chē)牌并且進(jìn)行對(duì)應(yīng)的提取操作，實(shí)際輸入的屬于整體車(chē)輛的圖像，而終輸出的則屬于車(chē)牌位置的圖像。我們將總結(jié)這些問(wèn)題，并在適當(dāng)?shù)臅r(shí)候與供應(yīng)商捷順科技進(jìn)行溝通，以尋求解決方案。字符切分模塊則屬于先針對(duì)圖像開(kāi)展配套的二值化操作，之后在二值圖像之內(nèi)將字符進(jìn)行對(duì)應(yīng)的分割操作，實(shí)際輸入的屬于車(chē)牌圖像，而輸出獲得的則屬于字符圖像。識(shí)別的功能核心屬于針對(duì)字符的配套識(shí)別操作，同時(shí)在其中獲取配套的結(jié)果。

車(chē)牌的規(guī)格，參照公an部在年發(fā)布的《中國(guó)人民共和國(guó)機(jī)動(dòng)車(chē)號(hào)牌》，中國(guó)現(xiàn)行的車(chē)牌制度之中，存在四類牌照，按照底色和字色分別為：藍(lán)白、黃黑、白黑或紅、黑白。而邊框則包括黑、白兩類色彩。核函數(shù)和分類設(shè)備的工作效果之間有較為密切的關(guān)系，不過(guò)等人在其研究中發(fā)現(xiàn)，其不同和工作的效果沒(méi)有太大的關(guān)聯(lián)，而起到重要作用的是因子C和其對(duì)應(yīng)的參數(shù)廠。國(guó)內(nèi)的車(chē)牌體系較為復(fù)雜，但實(shí)際的尺寸、間距等參數(shù)基本一致?；谛螒B(tài)學(xué)和邊緣檢測(cè)的車(chē)牌定位方法。而目前實(shí)際采用的切分方式，其一為以垂直投影作為核心的方式；其二為以連通域作為核心的處理方案。

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(guò)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(guò)程中太復(fù)雜，且對(duì)計(jì)算機(jī)的性能要求很?chē)?yán)格。字符分割算法是通過(guò)對(duì)圖形的掃描確定進(jìn)入到字符區(qū)域的di一個(gè)像素點(diǎn)的坐標(biāo)和出去圖像區(qū)域的di一個(gè)像素點(diǎn)的坐標(biāo)，以這兩點(diǎn)的坐標(biāo)確定字符的大致位置以及字符的高度。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(chē)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。