隨著信息時代的到來，現(xiàn)代智能交通系統(tǒng)能夠很輕易的識別出汽車牌照，這是智能交通管理的標志之一。智能交通管理系統(tǒng)的牌照識別集合了圖像采集和預(yù)處理、車牌定位技術(shù)、字符分割和字符識別等相關(guān)技術(shù)。其中，車牌定位、字符分割和字符識別是關(guān)鍵的技術(shù)，也是本次畢業(yè)設(shè)計的難點所在。正確利用好這三種關(guān)鍵技術(shù)，將有助于牌照識別的實時性和準確性，對于智能交通系統(tǒng)的實現(xiàn)有著決定性作用。在MATLAB軟件開發(fā)環(huán)境下，系統(tǒng)對圖像進行預(yù)處理、然后將預(yù)處理后的圖像進行定位分割，后識別出相應(yīng)牌照上的字符，這樣就可以模擬設(shè)計出汽車牌照識別系統(tǒng)。本文的圖像預(yù)處理模塊是將圖像灰度化和用Canny算子進行邊緣檢測，汽車牌照定位依據(jù)是它的顏色特征，使用MATLAB中的Radon函數(shù)和Imrotate函數(shù)來進行車牌矯正；分割字符時，需要先找到連續(xù)的文字塊，然后根據(jù)長度大小來確定是否分割，假如所找到的連續(xù)文字塊的長度大于閾值，那么就表示可以對此文字塊進行分割。并且為了能對車牌上的字符進行正確的識別，本文將采用BP神經(jīng)網(wǎng)絡(luò)算法。后設(shè)計GUI界面，使界面更加簡潔明了，便于操作。根據(jù)實驗得出的結(jié)論，這種方式可以對藍色的車牌進行、的識別，同時，也對光照、旋轉(zhuǎn)和噪聲表現(xiàn)出很好的魯棒性，定位精度和識別正確率甚至可以超過90%。

智能車牌識別一體機工程識別數(shù)據(jù)：人臉識別需要積累采集到的大量人臉圖像相關(guān)的數(shù)據(jù)，用來驗證算法，不斷提高識別準確性，這些數(shù)據(jù)諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡(luò)人臉識別數(shù)據(jù))、orl人臉數(shù)據(jù)庫、麻省理工學(xué)院生物和計算學(xué)習(xí)中心人臉識別數(shù)據(jù)庫、埃塞克斯大學(xué)計算機與電子工程學(xué)院人臉識別數(shù)據(jù)等。人臉識別配合程度：現(xiàn)有的人臉識別系統(tǒng)在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結(jié)果。但是，在用戶不配合、采集條件不理想的情況下，現(xiàn)有系統(tǒng)的識別率將陡然下降。比如，人臉比對時，與系統(tǒng)中存儲的人臉有出入，例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對失敗。廣州智能車牌識別一體機工程

經(jīng)過多年的研究表明，車輛識別與智能化的硬件設(shè)備相互配合才是智慧交通未來研究和發(fā)展的方向。而車輛識別的主旨是車牌號碼的識別，因為車牌號碼是車輛的“身份證”，它的重要性促使它成為車輛交通管理中不可或缺的重要組成部分，車牌識別主要是由車輛檢測-圖像采集-車牌定位-字符分割-字符識別-結(jié)果輸出等過程構(gòu)成。
TSINGSEE青犀視頻團隊研發(fā)的車牌識別系統(tǒng)主要通過光抑制屏蔽、電子快門調(diào)節(jié)、寬動態(tài)功能等來實現(xiàn)抓拍車牌，主要應(yīng)用在智慧交通中的檢測報警、超速違章處罰、車輛出入管理、自動放行、高速公路收費管理、車牌號碼自動登記等場景中，接下來我們分別來詳細概述一下車牌識別在這些場景中的應(yīng)用。

未來隨著城市化進程的加劇，智能化交通管理將是當下交通發(fā)展的大方向，而作為智慧交通管理體系的重要核心，車牌識別也將得到進一步優(yōu)化和進步。返回搜狐，查看更多
隨著移動行業(yè)的爆發(fā)式發(fā)展，手機配置不斷提高，基于手機平臺的信息采集、圖像處理、數(shù)據(jù)傳輸?shù)确矫娴难芯恳渤蔀榱藷狳c，這使得基于手機平臺上的車牌識別成為可能。傳統(tǒng)的車牌識別系統(tǒng)一般都基于固定的桌面平臺、圖像采集不靈活，特別是對于交通管理部門來說，對違章車輛車牌的自動登記非常不便，因此基于移動端車牌識別出現(xiàn)了。

那么如何實現(xiàn)車牌識別的呢，下面簡單說說：
對現(xiàn)存的車牌識別算法進行了研究，在諸多算法中尋找到一種適合在Android、iOS平臺上運行的算法。先通過智能手機的攝像頭獲得車牌的彩色圖像，然后將采集到的圖像進處理，包括通過YUV模型進行灰度化，分段線性變換進行灰度拉升，二值化，Roberts算子進行邊緣檢測，數(shù)學(xué)形態(tài)學(xué)處理等，然后通過Hough變換進行車牌矯正，其次用雙投影和灰度跳變的方法實現(xiàn)車牌的定位、分割，后通過模板匹配實現(xiàn)車牌識別。

移動端車牌識別實現(xiàn)的過程簡單為以下幾個部分：

圖像采集：通過智能手機攝像頭拍攝車牌圖像。

預(yù)處理：灰度化、二值化、邊緣增強、噪聲過濾、自動白平衡、自動曝光以及伽馬校正、對比度調(diào)整等。

車牌定位：在經(jīng)過圖像預(yù)處理之后的灰度圖像上進行行列掃描，確定車牌區(qū)域，車牌切斜校正。

字符分割：在圖像中定位出車牌區(qū)域后，通過灰度化、二值化等處理，定位字符區(qū)域，然后根據(jù)字符尺寸特征進行字符分割。

字符識別：對分割后的字符進行縮放、特征提取，與字符數(shù)據(jù)庫模板中的標準字符表達形式進行匹配判別。

結(jié)果輸出：將車牌識別的結(jié)果以文本格式輸出。