基于機(jī)器學(xué)習(xí)的辦法包含根據(jù)邏輯回歸模型的定位方法和基于神經(jīng)網(wǎng)絡(luò)的定位方法。比如，我們能使用這些。opencv所提供的根據(jù)haar特點(diǎn)聯(lián)級分類算法，練習(xí)車牌定位系統(tǒng)軟件。可是此方法的練習(xí)十分用時，歸類的定位高效率也不高。因而，在目標(biāo)方向?qū)用妫谏窠?jīng)網(wǎng)絡(luò)的辦法是流行方式。在基于神經(jīng)網(wǎng)絡(luò)的定位方法中，通常采用神經(jīng)網(wǎng)絡(luò)的個人目標(biāo)特點(diǎn)。因?yàn)樯窠?jīng)網(wǎng)絡(luò)移動不會改變，在學(xué)習(xí)中能夠加上候選區(qū)域，對候選區(qū)域進(jìn)行篩選。恰當(dāng)?shù)姆诸惡蜻x區(qū)域是目標(biāo)方向位置。這類方法很多實(shí)體模型，例如RCNN，fasterRCNN，SSD等。

字符分割
字符分割任務(wù)是把幾列或多做標(biāo)識符圖像中的每一個標(biāo)識符從全部圖像中切成單獨(dú)標(biāo)識符圖象。傳統(tǒng)字符分割優(yōu)化算法能夠分為兩種:立即分割法和根據(jù)圖象組織學(xué)的分割法。立即切分方式簡易，根據(jù)一些先驗(yàn)知識，如車牌號標(biāo)識符遍布，協(xié)助一些基本的投射算法實(shí)現(xiàn)切分；根據(jù)組織學(xué)的劃分方式選用圖像分割、澎漲浸蝕等工藝來決定標(biāo)識符圖象位置。傳統(tǒng)字符分割優(yōu)化算法也對外部影響比較敏感，如車牌號坡度、標(biāo)識符破損黏連等。車牌號標(biāo)識符正確的切分對字段的鑒別尤為重要，只會在恰當(dāng)切分的情形下才能保證識別精確性。伴隨著神經(jīng)元網(wǎng)絡(luò)現(xiàn)代邏輯飛速發(fā)展，端對端的圖像分類識別系統(tǒng)也獲得了非常大的創(chuàng)新，因此大多都是OCR手機(jī)軟件慢慢解決傳統(tǒng)字符分割解決，根據(jù)鑒別互聯(lián)網(wǎng)立即鑒別好幾個標(biāo)識符。

圖像識別
圖像識別是以包括一個或幾個標(biāo)識符的照片中獲取字符代碼的一個過程。最典型的圖像識別方法是什么基于機(jī)器學(xué)習(xí)的圖像分類方式。在圖像分類方式中，圖象只有導(dǎo)出一個歸類，換句話說，圖象只有包括一個字符圖象。這就需要字符分割具有較高的精確性。另一種鑒別方法都是基于循環(huán)神經(jīng)網(wǎng)絡(luò)的端對端圖像識別方式。此方法把整個車牌圖片鍵入互聯(lián)網(wǎng)，神經(jīng)元網(wǎng)絡(luò)將會導(dǎo)出全部標(biāo)識符。端對端方式直接到除開字符分割全過程，防止了字符分割不正確導(dǎo)致的穩(wěn)定損害，但端對端方式還對車牌號歪斜等其它影響比較敏感。