車牌識別是一項利用車輛的動態(tài)視頻或靜態(tài)圖像進行車牌號碼、車牌顏色自動識別的模式識別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備（監(jiān)測車輛是否進入視野）、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識別車牌號碼的處理機（如計算機）等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學字符識別算法等。某些車牌識別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)胍曇暗墓δ芊Q之為視頻車輛檢測。一個完整的車牌識別系統(tǒng)應(yīng)包括車輛檢測、圖像采集、車牌識別等幾部分(如圖1所示)。當車輛檢測部分檢測到車輛到達時觸發(fā)圖像采集單元，采集當前的視頻圖像。車牌識別單元對圖像進行處理，定位出車牌位置，再將車牌中的字符分割出來進行識別，然后組成車牌號碼輸出。
1.車輛檢測
車輛檢測可以采用埋地線圈檢測、紅外檢測、雷達檢測、視頻檢測等多種方式。采用視頻檢測可以避免破壞路面、不必附加外部檢測設(shè)備、不需矯正觸發(fā)位置、節(jié)省開支，而且更適合移動式、便攜式應(yīng)用的要求。
具備視頻車輛檢測功能的車牌識別系統(tǒng)，首先對視頻信號中的一幀（場）的信號進行圖像采集，數(shù)字化，得到對應(yīng)的數(shù)字圖像；然后對其進行分析，判斷其中是否有車輛；若認為有車輛通行，則進入到下一步進行車牌識別；否則繼續(xù)采集視頻信號，進行處理。
系統(tǒng)進行視頻車輛檢測，需要具備很高的處理速度并采用優(yōu)秀的算法，在基本不丟幀的情況下實現(xiàn)圖像采集、處理。若處理速度慢，則導致丟幀，使系統(tǒng)無法正確檢測到行駛速度較快的車輛，同時也難以保證在有利于識別的位置開始識別處理，影響系統(tǒng)識別率。因此，將視頻車輛檢測與車牌自動識別相結(jié)合具備一定的技術(shù)難度。
2.車牌號碼、顏色識別
為了進行車牌識別，需要以下幾個基本的步驟：
車牌定位，定位圖片中的車牌位置；
車牌字符分割，把車牌中的字符分割出來；
車牌字符識別，把分割好的字符進行識別，最終組成車牌號碼。
車牌識別過程中，車牌顏色的識別依據(jù)算法不同，可能在上述不同步驟實現(xiàn)，通常與車牌識別互相配合、互相驗證。
(1）車牌定位
自然環(huán)境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中準確地確定車牌區(qū)域是整個識別過程的關(guān)鍵。首先對采集到的視頻圖像進行大范圍相關(guān)搜索，找到符合汽車車牌特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進一步分析、評判，最后選定一個最佳的區(qū)域作為車牌區(qū)域，并將其從圖象中分割出來。
（2）車牌字符分割
完成車牌區(qū)域的定位后，再將車牌區(qū)域分割成單個字符，然后進行識別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個位置應(yīng)滿足車牌的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復雜環(huán)境下的汽車圖像中的字符分割有較好的效果。
（3）車牌字符識別
字符識別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。基于模板匹配算法首先將分割后的字符二值化,并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結(jié)果。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種：一種是先對待識別字符進行特征提取，然后用所獲得特征來訓練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動實現(xiàn)特征提取直至識別出結(jié)果。
實際應(yīng)用中，車牌識別系統(tǒng)的識別率與車牌質(zhì)量和拍攝質(zhì)量密切相關(guān)。車牌質(zhì)量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、車牌被遮擋、車牌傾斜、高亮反光、多車牌、假車牌等等；實際拍攝過程也會受到環(huán)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車牌識別的識別率，也正是車牌識別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識別率，除了不斷的完善識別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識別。
