牌照自動識別是一項利用車輛的動態視訊或靜態影象進行牌照號碼、牌照顏色自動識別的模式識別技術。其硬體基礎一般包括觸發裝置、攝像裝置、照明裝置、影象採集裝置、識別車牌號碼的處理機等，其軟體核心包括車牌定位演算法、車牌字元分割演算法和光學字元識別演算法等。某些牌照識別系統還具有通過視訊影象判斷車輛駛入視野的功能稱之為視訊車輛檢測。一個完整的牌照識別系統應包括車輛檢測、影象採集、牌照識別等幾部分。當車輛檢測部分檢測到車輛到達時觸發影象採集單元，採集當前的視訊影象。牌照識別單元對影象進行處理，定位出牌照位置，再將牌照中的字元分割出來進行識別，然後組成牌照號碼輸出。

三、詳細設計步驟:

1. 提出總體設計方案:

牌照號碼、顏色識別

為了進行牌照識別，需要以下幾個基本的步驟：

a.牌照定位，定點陣圖片中的牌照位置；

b.牌照字元分割，把牌照中的字元分割出來；

c.牌照字元識別，把分割好的字元進行識別，最終組成牌照號碼。

　　牌照識別過程中，牌照顏色的識別依據演算法不同，可能在上述不同步驟實現，通常與牌照識別互相配合、互相驗證。

(1）牌照定位:

自然環境下，汽車影象背景複雜、光照不均勻，如何在自然背景中準確地確定牌照區域是整個識別過程的關鍵。首先對採集到的視訊影象進行大範圍相關搜尋，找到符合汽車牌照特徵的若干區域作為候選區，然後對這些侯選區域做進一步分析、評判，最後選定一個最佳的區域作為牌照區域，並將其從圖象中分割出來。

完成牌照區域的定位後，再將牌照區域分割成單個字元，然後進行識別。字元分割一般採用垂直投影法。由於字元在垂直方向上的投影必然在字元間或字元內的間隙處取得區域性最小值的附近，並且這個位置應滿足牌照的字元書寫格式、字元、尺寸限制和一些其他條件。利用垂直投影法對複雜環境下的汽車影象中的字元分割有較好的效果。

字元識別方法目前主要有基於模板匹配演算法和基於人工神經網路演算法。基於模板匹配演算法首先將分割後的字元二值化,並將其尺寸大小縮放為字元資料庫中模板的大小，然後與所有的模板進行匹配，最後選最佳匹配作為結果。基於人工神經元網路的演算法有兩種：一種是先對待識別字符進行特徵提取，然後用所獲得特徵來訓練神經網路分配器；另一種方法是直接把待處理影象輸入網路，由網路自動實現特徵提取直至識別出結果。實際應用中，牌照識別系統的識別率與牌照質量和拍攝質量密切相關。牌照質量會受到各種因素的影響，如生鏽、汙損、油漆剝落、字型褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統的困難和挑戰所在。為了提高識別率，除了不斷的完善識別演算法，還應該想辦法克服各種光照條件，使採集到的影象最利於識別。

原始影象: 預處理：

車牌的定位和提取： 字元的分割和識別：

從上面結果可以看出，這張車牌的識別失敗了，將G誤識別為B了，K誤識為A，0識別為8，這在識別中是非常容易出錯的地方，因此需要在其他方面做些彌補，最後達到識別效果。

在車牌識別的過程中數字庫的建立很重要,只有數字庫的準確才能保證檢測出來的資料正確。切割出來的資料要與資料庫的資料作比較，所以資料庫的資料尤為重要。