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(biāo)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(zhǔn)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(jìn)行預(yù)處理、然后將預(yù)處理后的圖像進(jìn)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(jìn)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(jìn)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(jìn)行分割。并且為了能對車牌上的字符進(jìn)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(lán)色的車牌進(jìn)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%。

具體的工作原理和停車場所采用系統(tǒng)有關(guān)。作為當(dāng)下主流兩款車位引導(dǎo)系統(tǒng)，視頻車位引導(dǎo)除了起步晚于超聲波車位引導(dǎo)外，他們兩者又有哪些不同?停車場管理者又應(yīng)該如何抉擇呢?工作原理不同：辨別超聲波車位引導(dǎo)系統(tǒng)和視頻車位引導(dǎo)系統(tǒng)直觀方法是看停車位上方所使用的車位探測器。超聲波車位引導(dǎo)使用的是超聲波探測器。

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(jìn)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(jī)的攝像頭獲得車牌的彩色圖像，然后將采集到的圖像進(jìn)處理，包括通過YUV模型進(jìn)行灰度化，分段線性變換進(jìn)行灰度拉升，二值化，Roberts算子進(jìn)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(jìn)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。