識別流程

車牌自動識別是一種利用車輛動態視頻或靜態圖像自動識別車牌號碼和車牌顏色的模式識別技術。其硬件基礎一般包括觸發設備（監控車輛是否進入視野）、攝像設備、照明設備、圖像采集設備、識別車牌號碼處理器（如計算機）等，其軟件核心包括車牌定位算法、車牌字符分割算法、光學字符識別算法等。一些車牌識別系統還具有通過視頻圖像判斷是否有車輛的功能，稱為視頻車輛檢測。一個完整的車牌識別系統應包括車輛檢測、圖像采集、 車牌 識別等部分（如圖1所示）。當車輛檢測部分檢測到車輛到達時，觸發圖像采集單元，并收集當前的視頻圖像。車牌識別單元處理圖像，定位車牌位置，然后分割車牌中的字符進行識別，然后形成車牌號輸出。

車輛檢測

車輛檢測可采用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等方式。視頻檢測可避免損壞路面，無需附加外部檢測設備，無需糾正觸發位置，節省費用，更適合移動便攜式應用的要求。

視頻車輛檢測系統需要高處理速度，采用優秀算法，實現圖像采集和處理，基本不丟幀。如果處理速度慢，會導致幀丟失，使系統無法檢測到行駛速度快的車輛，也難以保證識別處理在有利于識別的位置開始，影響系統識別率。因此，視頻車輛檢測與車牌自動識別相結合具有一定的技術難度。

號碼識別

車牌識別需要以下基本步驟：

1) 牌照定位，圖片中的牌照位置定位；

2) 分割牌照字符，分割牌照中的字符；

3) 識別牌照字符，識別分割的字符，較終形成牌照號。

在車牌識別過程中，根據算法不同，可以在上述不同步驟中實現車牌顏色識別，通常與車牌識別相互配合，相互驗證。

1) 牌照定位

在自然環境中，汽車圖像背景復雜，光線不均勻。如何在自然背景中準確確定許可區域是整個識別過程的關鍵。首先，搜索收集到的視頻圖像，找到幾個符合汽車許可證特征的區域作為候選區域，然后進一步分析和判斷這些候選區域，最后選擇較佳區域作為許可區域，并從圖像中分離出來。

2) 牌照字符分割

許可區域定位完成后，將許可區域劃分為單個字符，然后進行識別。字符分割一般采用垂直投影法。由于垂直方向上的字符投影必須在字符之間或字符之間的間隙附近獲得局部較小值，因此該位置應滿足字符書寫格式、字符、尺寸限制等許可證條件。垂直投影法對復雜環境下的汽車圖像中的字符分割具有良好的效果。

3） 許可證字符識別方法主要基于模板匹配算法和人工神經網絡算法。基于模板匹配算法，首先將分割后的字符二值化，將其尺寸縮小到字符數據庫中的模板尺寸，然后匹配所有模板，選擇較佳匹配作為結果。基于人工神經網絡的算法有兩種：一種是提取字符特征，然后使用獲得的特征來訓練神經網絡分配器；另一種方法是直接將圖像輸入網絡，從網絡自動提取特征，直到識別結果。

在實際應用中，車牌識別系統的識別率也與車牌質量和拍攝質量密切相關。車牌質量會受到銹蝕、污染、油漆剝落、字體褪色、車牌遮擋、車牌傾斜、亮反射、多車牌、假車牌等因素的影響；實際拍攝過程也會受到環境亮度、拍攝方法、車速等因素的影響。這些影響因素不同程度地降低了車牌識別的識別率，這也是車牌識別系統的困難和挑戰。為了提高識別率，除了不斷改進識別算法外，還應找到克服各種照明條件的方法，使收集到的圖像較有利于識別。