車牌識(shí)別系統(tǒng)(Vehicle License Plate Recognition，VLPR) 是計(jì)算機(jī)視頻圖像識(shí)別技術(shù)在車輛牌照識(shí)別中的一種應(yīng)用。車牌識(shí)別在高速公路車輛管理中得到廣泛應(yīng)用，電子收費(fèi)（ETC）系統(tǒng)中，也是結(jié)合DSRC技術(shù)識(shí)別車輛身份的主要手段。

車牌識(shí)別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車牌照從復(fù)雜背景中提取并識(shí)別出來(lái)，通過車牌提取、圖像預(yù)處理、特征提取、車牌字符識(shí)別等技術(shù)，識(shí)別車輛牌號(hào)、顏色等信息，最新的技術(shù)水平為字母和數(shù)字的識(shí)別率可達(dá)到99.7%，漢字的識(shí)別率可達(dá)到99%。

在停車場(chǎng)管理中，車牌識(shí)別技術(shù)也是識(shí)別車輛身份的主要手段。在深圳市公安局建設(shè)的《停車庫(kù)（場(chǎng)）車輛圖像和號(hào)牌信息采集與傳輸系統(tǒng)技術(shù)要求》中，車牌識(shí)別技術(shù)成為車輛身份識(shí)別的主要手段。

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

車輛檢測(cè)可以采用埋地線圈檢測(cè)、紅外檢測(cè)、雷達(dá)檢測(cè)技術(shù)、視頻檢測(cè)等多種方式。采用視頻檢測(cè)可以避免破壞路面、不必附加外部檢測(cè)設(shè)備、不需矯正觸發(fā)位置、節(jié)省開支，而且更適合移動(dòng)式、便攜式應(yīng)用的要求。

系統(tǒng)進(jìn)行視頻車輛檢測(cè)，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(shí)現(xiàn)圖像采集、處理。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無(wú)法檢測(cè)到行駛速度較快的車輛，同時(shí)也難以保證在有利于識(shí)別的位置開始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。 為了進(jìn)行車牌識(shí)別，需要以下幾個(gè)基本的步驟：

1) 牌照定位，定位圖片中的牌照位置；
2) 牌照字符分割，把牌照中的字符分割出來(lái)；
3) 牌照字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼。

車牌識(shí)別過程中，牌照顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與車牌識(shí)別互相配合、互相驗(yàn)證。
1) 牌照定位
自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。首先對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來(lái)。

2) 牌照字符分割
完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)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(gè)位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。

3) 牌照字符識(shí)別方法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?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷⑵涑叽绱笮】s放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，選擇最佳匹配作為結(jié)果。基于人工神經(jīng)網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)字符進(jìn)行特征提取，然后用所獲得特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。

實(shí)際應(yīng)用中，車牌識(shí)別系統(tǒng)的識(shí)別率還與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過程也會(huì)受到環(huán)境亮度、拍攝方式、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(shí)別的識(shí)別率，也正是車牌識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷地完善識(shí)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(shí)別。