車牌識別系統(tǒng)的監(jiān)控監(jiān)測：車牌識別系統(tǒng)對于納入“黑名單”的車輛，例如:被通緝或掛失的車輛、欠交費車輛、未年檢車輛、肇事逃逸及違章車輛等，只需將其車牌號碼輸入到應用系統(tǒng)中，車牌識別設備安裝于的路口、卡口或由執(zhí)法人員隨時攜帶按需要放置，系統(tǒng)將識讀所有通過車輛的牌照號碼并與系統(tǒng)中的“黑名單”比對，一旦發(fā)現車輛立刻發(fā)出報警信息。系統(tǒng)可以全天不間斷工作、不會疲勞、錯誤率極低，應用這種系統(tǒng)將地提高執(zhí)法效率。

車牌識別系統(tǒng)的車牌號碼自動登記：交通監(jiān)管部門每天都要處理大量的違章車輛圖片，一般由人工辨識車牌號碼再輸入管理系統(tǒng)，這種方式工作量大、容易疲勞誤判。采用車牌識別系統(tǒng)可以減少工作強度能夠大幅度提高處理速度和效率。這種功能可用于電子警察系統(tǒng)、道路監(jiān)控系統(tǒng)等。

車牌識別系統(tǒng)的圖像采集
根據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觸發(fā)都要低一些。北京中全清茂科技發(fā)展有限公司經過嚴格的算法優(yōu)化，這兩種圖像采集模式的識別率和穩(wěn)定性都。

車牌識別系統(tǒng)的車牌定位
從整個圖像中準確地檢測出車牌區(qū)域，是車牌識別過程的一個重要步驟，如果定位失敗或定位不完整，會直接導致終識別失敗。由于復雜的圖像背景，且要考慮不清晰車牌的定位，所以很容易把柵欄，廣告牌等噪聲當成車牌，所以如何排除這些偽車牌也是車牌定位的一個難點。為了提高定位的準確率和提高識別速度，一般的車牌識別系統(tǒng)都會設計一個外部接口，讓用戶自己根據現場環(huán)境設置不同的識別區(qū)域。

車牌識別系統(tǒng)的車牌校正
由于受拍攝角度、鏡頭等因素的影響，圖像中的車牌存在水平傾斜、垂直傾斜或梯形畸變等變形，這給后續(xù)的識別處理帶來了困難。如果在定位到車牌后*行車牌校正處理，這樣做有利于去除車牌邊框等噪聲，更有利于字符識別。目前常用校正方法有：Hough變換法，通過檢測車牌上下、左右邊框直線來計算傾斜角度；旋轉投影法，通過按不同角度將圖像在水平軸上進行垂直投影，其投影值為0的點數之和時的角度即為垂直傾斜角度，水平角度的計算方法與其相似；主成分分析法，根據車牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對特征點的主成分方向即為車牌的水平傾斜角度；方差小法，根據字符在垂直方向投影點的坐標方差小導出垂直傾斜角的閉合表達式，從而確定垂直傾斜角度；透視變換，利用檢測到的車牌的四個頂點經過相關矩陣變換后實現車牌的畸變校正。

車牌識別系統(tǒng)的字符識別
對分割后的字符的灰度圖像進行歸一化處理，特征提取，然后經過機器學習或與字符數據庫模板進行匹配，后選取匹配度的結果作為識別結果。目前比較流行的字符識別算法有：模板匹配法、人工神經網絡法、支持向量機法和Adaboost分類法等。模板匹配法的優(yōu)點是識別速度快、方法簡單，缺點是對斷裂、污損等情況的處理有一些困難；人工神經網絡法學習能力強、適應性強、分類能力強但比較耗時；支持向量機法對于未見過的測試樣本具有更好的識別能力且需要較少的訓練樣本；Adaboost分類法能側重于比較重要的訓練數據，識別速度快、實時性較高。我國車牌由漢字、英文字母和阿拉伯數字3種字符組成，且具有統(tǒng)一的樣式，這也是識別過程的方便之處。但由于車牌很容易受外在環(huán)境的影響，出現模糊、斷裂、污損字符的情況，如何提高這類字符和易混淆字符的識別率，也是字符識別的難點之一。易混淆字符包括：0與D、0與Q、2與Z、8與B、5與S、6與G、4與A等。