對圖像預(yù)處置
?
　　車牌識別中車牌定位之前普通要對圖像做預(yù)處置，然后再停止車牌的定位、分割、辨認等局部。由于得到的車牌圖像可能含有較多噪聲，或圖像比照度不強、車牌被局部遮擋、車牌處呈現(xiàn)污點、變臟、含糊褪色、有其它字符區(qū)域干擾、以及呈現(xiàn)因運動產(chǎn)生的圖像含糊失真等狀況，所以定位算法完成起來有較多艱難。關(guān)于字符分割，則可能存在光照不均、污跡嚴重、車牌傾斜、比照度小、牌照褪色、牌照字符粘連等不利要素，這樣就需求研發(fā)與之順應(yīng)的算法。如算法能順應(yīng)各種復(fù)雜環(huán)境和有噪聲、車牌遮擋、車牌傾斜等情況的話，那就能夠大大進步車牌辨認的概率。

車牌識別技術(shù)結(jié)合電子不停車收費系統(tǒng)(ETC)識別車輛，過往車輛通過道口時無須停車，即能夠?qū)崿F(xiàn)車輛身份自動識別、自動收費。在車場管理中，為提高出入口車輛通行效率，車牌識別針對無需收停車費的車輛(如月卡車、內(nèi)部免費通行車輛)，建設(shè)無人值守的快速通道，免取卡、不停車的出入體驗，正改變出入停車場的管理模式。

圖像采集
?
　　根據(jù)車輛檢測方式的不同，圖像采集一般分為兩種，一種是靜態(tài)模式下的圖像采集，通過車輛觸發(fā)地感線圈、紅外或雷達等裝置，給相機一個觸發(fā)信號，相機在接收到觸發(fā)信號后會抓拍一張圖像，該方法的優(yōu)點是觸發(fā)率高，性能穩(wěn)定，缺點是需要切割地面鋪設(shè)線圈，施工量大；另一種是視頻模式下的圖像采集，外部不需要任何觸發(fā)信號，相機會實時地記錄視頻流圖像，該方法的優(yōu)點是施工方便，不需要切割地面鋪設(shè)線圈，也不需要安裝車檢器等零部件，但其缺點也十分顯著，由于算法的極限，該方案的觸發(fā)率與識別率較之外設(shè)觸發(fā)都要低一些。

2、預(yù)處理
?
　　由于圖像質(zhì)量容易受光照、天氣、相機位置等因素的影響，所以在識別車牌之前需要先對相機和圖像做一些預(yù)處理，以得到車牌清晰的圖像。一般會根據(jù)對現(xiàn)場環(huán)境和已經(jīng)拍攝到的圖像的分析得出結(jié)論，實現(xiàn)相機的自動曝光處理、自動白平衡處理、自動逆光處理、自動過爆處理等，并對圖像進行噪聲過濾、對比度增強、圖像縮放等處理。去噪方法有均值濾波、中值濾波和高斯濾波等；增強對比度的方法有對比度線性拉伸、直方圖均衡和同態(tài)濾波器等；圖像縮放的主要方法有近鄰插值法、雙線性插值法和立方卷積插值等。

字符分割
?
　　定位出車牌區(qū)域后，由于并不知道車牌中總共有幾個字符、字符間的位置關(guān)系、每個字符的寬高等信息，所以，為了車牌類型匹配和字符識別正確，字符分割是的一步。字符分割的主要思路是，基于車牌的二值化結(jié)果或邊緣提取結(jié)果，利用字符的結(jié)構(gòu)特征、字符間的相似性、字符間間隔等信息，一方面把單個字符分別提取出來，也包括粘連和斷裂字符等特殊情況的處理；另一方面把寬、高相似的字符歸為一類從而去除車牌邊框以及一些小的噪聲。一般采用的算法有：連通域分析、投影分析，字符聚類和模板匹配等。污損車牌和光照不均造成的模糊車牌仍是字符分割算法所面對的挑戰(zhàn)，有待更好的算法出現(xiàn)并解決以上問題。

硬件識別：通俗的解釋是通過立的硬件設(shè)備，對所抓拍圖片進行一系列的字符處理;目前停車場系統(tǒng)行業(yè)中硬件識別也分為兩種，即帶有單的車牌識別儀和前端硬件識別兩種，安視睿主要采用的是前端硬件識別。
?
　　前端硬件識別一體式攝像機適應(yīng)市場需求，目前得到了廣大客戶的喜愛。安視睿前端硬件識別也叫一體式車牌識別攝像機，是將傳統(tǒng)單的車牌識別儀嵌入至攝像機中，實現(xiàn)前端硬件與攝像機一體化，實現(xiàn)圖像抓拍、視頻流傳輸、字符識別、道閘抬桿等一系列的工作。