如今面對越來越嚴峻的城市交通壓力，智能化交通管理已成為城市交通發(fā)展的大方向，而長安車牌識別系統(tǒng)的出現(xiàn)為停車場的車輛管理以及車輛的出現(xiàn)帶來了便利，比如云脈車牌識別系統(tǒng)，基于成熟的OCR技術(shù)，以計算機視覺處理、數(shù)字圖像處理、模式識別等技術(shù)為基礎(chǔ)，對攝像機所拍攝的車輛圖像或者視頻圖像進行處理分析，得到每輛車的車牌號碼，從而完成識別過程。

車輛檢測可以采用埋地線圈檢測、紅外檢測、雷達檢測技術(shù)、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。
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(dǎo)致丟幀，使系統(tǒng)無法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，將視頻車輛檢測與牌照自動識別相結(jié)合具備一定的技術(shù)難度。
為了進行車牌識別，需要以下幾個基本的步驟：
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；
3) 牌照字符識別，把分割好的字符進行識別，最終組成牌照號碼。

車牌識別過程中，牌照顏色的識別依據(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) 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確地確定牌照區(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，找到符合汽車牌照特征的若干區(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)域作為牌照區(qū)域，并將其從圖像中分離出來。

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。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，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：一種是先對字符進行特征提取，然后用所獲得特征來訓(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)的識別率還與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(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、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環(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，除了不斷地完善識別算法還應(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。