影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。為了進(jìn)行車牌識(shí)別，需要以下幾個(gè)基本的步驟：1、 牌照定位，定位圖片中的牌照位置；2、牌照字符分割，把牌照中的字符分割出來；3、牌照字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，終組成牌照號(hào)碼。(2)對(duì)于部分無車牌或車牌嚴(yán)重破損的車輛，需要另外的管理機(jī)制。車牌識(shí)別過程中，牌照顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與車牌識(shí)別互相配合、互相驗(yàn)證。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)。條形碼技術(shù)具有識(shí)別速度快、準(zhǔn)確度高、可靠性強(qiáng)以及成本較低等優(yōu)點(diǎn)，但是對(duì)于掃描器要求很高。近幾年來，計(jì)算機(jī)及相關(guān)技術(shù)發(fā)達(dá)的一些國(guó)家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動(dòng)識(shí)別問題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對(duì)車牌上的字符進(jìn)行自動(dòng)識(shí)別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個(gè)字符模板對(duì)應(yīng)著BAM矩陣，通過與車牌上的字符比較，識(shí)別出正確的車牌號(hào)碼。

為了測(cè)試一個(gè)車牌識(shí)別系統(tǒng)識(shí)別率，需要將該系統(tǒng)安裝在一個(gè)實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24小時(shí)以上，采集至少1000輛自然車流通行時(shí)的車牌照進(jìn)行識(shí)別，并且需要將牌照?qǐng)D像和識(shí)別結(jié)果存儲(chǔ)下來，以便調(diào)取查看。然后，還需要得到實(shí)際通過的車輛圖像以及正確的人工識(shí)別結(jié)果。當(dāng)貨車進(jìn)入地磅后，由于車輛已經(jīng)在系統(tǒng)有了毛重(與車牌號(hào)對(duì)應(yīng))，通過車牌識(shí)別一體機(jī)，自動(dòng)識(shí)別貨車車牌號(hào)碼，系統(tǒng)會(huì)自動(dòng)調(diào)出該車輛毛重，可以計(jì)算貨物重量，免去很多人工麻煩，也避免了企業(yè)由于車輛毛重不準(zhǔn)確導(dǎo)致的貨物資產(chǎn)流失現(xiàn)象。之后便可以統(tǒng)計(jì)出以下識(shí)別率。自然交通流量的識(shí)別率=全牌正確識(shí)別總數(shù)/實(shí)際通過的車輛總數(shù)。

關(guān)鍵還是識(shí)別率，所以應(yīng)用純車牌識(shí)別系統(tǒng)的核心是要一套高識(shí)別率的車牌識(shí)別產(chǎn)品，國(guó)內(nèi)識(shí)別率能達(dá)到90%以上的識(shí)別率的就很少，而純車牌識(shí)別系統(tǒng)一般要求98%以上的識(shí)別率，國(guó)內(nèi)當(dāng)前能達(dá)到這個(gè)標(biāo)準(zhǔn)的只有火眼臻睛車牌識(shí)別等少數(shù)幾家；再的技術(shù)也達(dá)不到100%的識(shí)別率，比如無牌車或者肉眼都不能識(shí)別的車牌，所以需要一套好的“非車牌識(shí)別處理機(jī)制”。我們?cè)谲囕v的車身形式上來看，許多的車輛一般都會(huì)有相應(yīng)的配置和形狀，這里面已經(jīng)說明了車輛的車門數(shù)以及車窗婁，裝載的特性等方面的信息，轎車來說車門是兩個(gè)，而車窗是四個(gè)，MPV車型的車車門是五個(gè)，可以是溜背式的車，輕型卡車或是說重型卡車幾種。