车牌辨识是一项利用车辆的动态视频或静态图像展开牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般还包括启动时设备（监测车辆否转入视野）、摄像机设备、照明设备、图像收集设备、辨识车牌号码的处理机（如计算机）等，其软件核心还包括车牌定位算法、车牌字符拆分算法和光学字符识别算法等。某些车牌识别系统还具备通过视频图像辨别否有车的功能称作视频车辆检测。
一个原始的车牌识别系统不应还包括车辆检测、图像收集、车牌辨识等几部分。当车辆检测部分检测到车辆抵达时启动时图像收集单元，收集当前的视频图像。
车牌辨识单元对图像展开处置，定位出有牌照方位，再行将牌照中的字符拆分出来展开辨识，然后构成牌照号码输入。 车辆检测 车辆检测可以使用挖出地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。使用视频检测可以防止毁坏路面、不用可选外部检测设备、不须要矫正启动时方位、节省开支，而且更加合适移动式、便携式应用于的拒绝。
系统展开视频车辆检测，必须不具备很高的处理速度并使用杰出的算法，在基本不扔帧的情况下构建图像收集、处置。若处理速度快，则造成扔帧，使系统无法检测到行经速度较慢的车辆，同时也无法确保在不利于辨识的方位开始辨识处置，影响系统识别率。
因此，将视频车辆检测与牌照自动识别结合不具备一定的技术难度。号码辨识 为了展开车牌辨识，必须以下几个基本的步骤： 牌照定位，定位图片中的牌照方位； 牌照字符拆分，把牌照中的字符拆分出来； 牌照字符识别，把拆分好的字符展开辨识，最后构成牌照号码。 车牌辨识过程中，牌照颜色的辨识依据算法有所不同，有可能在上述有所不同步骤构建，一般来说与车牌辨识互相配合、相互检验。 1)牌照定位 自然环境下，汽车图像背景简单、光照不均匀分布，如何在大自然背景中精确地确认牌照区域是整个辨识过程的关键。
首先对收集到的视频图像展开大范围涉及搜寻，寻找合乎汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做到更进一步分析、评判，最后指定一个最佳的区域作为牌照区域，并将其从图像中分离出来。 2)牌照字符拆分 已完成牌照区域的定位后，再行将牌照区域分割成单个字符，然后展开辨识。字符拆分一般使用横向投影法。由于字符在横向方向上的投影必定在字符不定字符内的间隙处获得局部最小值的附近，并且这个方位不应符合牌照的字符书写格式、字符、尺寸容许和一些其他条件。
利用横向投影法对简单环境下的汽车图像中的字符拆分有较好的效果。 3)牌照字符识别方法 主要有基于模板给定算法和基于人工神经网络算法。
基于模板给定算法首先将拆分后的字符二值化并将其尺寸大小图形为字符数据库中模板的大小，然后与所有的模板展开给定，自由选择最佳给定作为结果。基于人工神经网络的算法有两种：一种是再行对字符展开特征提取，然后用所取得特征来训练神经网络分配器；另一种方法是必要把图像输出网络，由网络自动构建特征提取以后辨识出有结果。
实际应用于中，车牌识别系统的识别率还与牌照质量和摄制质量密切相关。牌照质量不会受到各种因素的影响，如腐蚀、污损、油漆破损、字体变黄、牌照被遮盖、牌照弯曲、高亮镜片、多牌照、假牌照等等；实际摄制过程也不会受到环境亮度、摄制方式、车辆速度等等因素的影响。这些影响因素有所不同程度上减少了车牌辨识的识别率，也正是车牌识别系统的艰难和挑战所在。为了提升识别率，除了大大地完备辨识算法还应当想要办法解决各种光照条件，使收集到的图像最有利于辨识。
本文来源：金沙电子游戏官网平台-www.2mariyachtesail.com