車牌識別系統(tǒng)中的車牌定位
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(jù)現(xiàn)場環(huán)境設置不同的識別區(qū)域。山東安勝智能科技有限公司車牌識別系統(tǒng)針對一些復雜背景(例如綠化帶、井蓋)的現(xiàn)場，可以進行設定識別區(qū)域的操作。

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(zhuǎn)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(shù)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(jù)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(jù)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(jīng)過相關矩陣變換后實現(xiàn)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(jīng)過機器學習或與字符數(shù)據(jù)庫模板進行匹配，后選取匹配度的結(jié)果作為識別結(jié)果。目前比較流行的字符識別算法有：模板匹配法、人工神經(jīng)網(wǎng)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(jīng)網(wǎng)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(cè)重于比較重要的訓練數(shù)據(jù)，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(shù)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(xiàn)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。