智能交通車牌辨認系統(tǒng)主要分為圖像的采集和預處理、牌照區(qū)域的定位、牌照字符的分割和辨認三部分。其基本工作過程如下：

1）當行駛的車輛經(jīng)過系統(tǒng)時，會觸發(fā)系統(tǒng)的傳感器。若系統(tǒng)被喚醒便會一直處于工作狀態(tài)，攝像頭上的傳感器一旦被觸發(fā)，相機便會拍下車輛圖像；

2）被拍照的chao速車輛的牌照圖像或被攝像頭拍攝的視頻中的圖像輸入到圖像處理器進行圖像增強和濾波等預處理操作；

3）由自動識別系統(tǒng)的檢索模塊對車牌圖像進行搜索與檢測，在定位出包含牌照字符的長方形形區(qū)域的基礎上對上述矩形區(qū)域進行分割；

4）對牌照處理以后的字符進行2值化并分割出7個字符，經(jīng)化后輸入字符辨認系統(tǒng)進行對比分析。

圖像預處理模塊：是指車牌識別系統(tǒng)對所拍攝的汽車圖像進行灰度化和邊緣檢測處理。在自然條件下外界太陽光照往往不均勻，光線強度也是不斷變化的，特別是有chao速情況，在此條件下，被攝像機拍攝到的汽車圖像往往是不清晰甚至是模糊的，為了得到清晰的圖像此時須要對車輛圖像其進行圖像增強處理；為了進一步提高車牌識別的準確性，有必要確保在正常情況下可以平穩(wěn)地提升和釋放注冊車輛，以避免因識別錯誤而對臨時停車收費或減少費用。除了光照和光線的影響之外，電子器件和外界環(huán)境所帶來的噪聲干擾也會造成車輛圖像清晰度的下降，因此除了對圖像進行圖像增強處理外還需對原始車輛圖像進行降噪處理。

目前針對車牌識別系統(tǒng)的研究主要可分為基于嵌入式平臺和基于PC機平臺兩種研究方向。傳統(tǒng)的基于PC平臺的車牌識別系統(tǒng)除在在信息處理應用實時性方面難以滿足人們的日常需求， 同時，在網(wǎng)絡管理應用方面也存在帶寬的壓力，信息采集終端方面的成本也過高?？梢姡趯嶋H交通管理應用中，基于PC機平臺的車牌識別系統(tǒng)具有很多限制與缺陷。鑒于傳統(tǒng)基于PC平臺的車牌識別系統(tǒng)存在的缺點和不足，本文提出了基于MCS-51單片機的車牌識別系統(tǒng)。本文采用識別方法是神經(jīng)網(wǎng)絡，通過構造一個三層的神經(jīng)網(wǎng)絡對分割的字符進行識別。

識別的方法，可以選擇的有神經(jīng)網(wǎng)絡法和模塊匹配法等。在這里，對車牌定位的精度要求是很高的，這也關乎我們后期對圖片的處理結果。車牌包含的信息是多個字符，想要對車牌進行識別，首先我們需要將車牌的多個字符進行分割處理。字符分割技術將車牌的多個字符分割為單一字符，我們利用識別技術對字符進行識別。主要的識別技術有神經(jīng)網(wǎng)絡法和模塊匹配法等。目前重要的是必須提高系統(tǒng)的識別率。車牌定位模塊：該單元是指在對原始車輛圖像進行圖像增強處理和降噪處理后還需對圖像進行定位處理，即對在一張完整的車輛圖像中去掉我們不需要的部分定位出車牌區(qū)域。