技術特點

車牌識別技術是現代智能交通系統重要組成部分，其應用十分廣泛。它以計算機視覺處理、數字圖像處理、模式識別等技術為基礎，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。通過一些后續處理技術其可以實現停車場出入口收費管理、盜搶車輛管理、高速公路超速自動化管理、闖紅燈電子警察、公路收費管理等等功能。對于維護交通安全和城市治安，防止交通堵塞，實現交通全自動化管理有著現實的意義。我國標準汽車牌照是由漢字、英文字母和阿拉伯數字組成，漢字識別與字母和數字的識別有很大的區別，漢字的識別增加了識別的難度；我國汽車車牌的懸掛位置不統一；其他國家的汽車牌照格式(如汽車牌照的尺寸大小，牌照上字符的排列等)通常只有一種，并且通常汽車牌照中也分大車和小車；我國汽車牌照的底色和字符顏色有多種組合，我們日常生活中常見的有藍底白字車牌、黃底黑字車牌、以及白底黑字車牌等等。

體系結構

一個車牌識別系統的基本硬件配置是由攝像機、主控機、采集卡、照明裝置組成。而軟件是由一個具有車牌識別功能的圖像分析和處理軟件，以及一個滿足具體應用需求的后臺管理軟件組成。車牌識別系統于是出現了兩種產品形式，一種是軟硬件一體，或者用硬件實現識別功能模塊，形成一個全硬件的車牌識別器，例如DSP。另外一種形式是開放式的軟、硬件體系，即硬件采用標準工業產品，軟件作為嵌入式軟件。兩種產品形式各有優缺點。開放式體系的優點是由于硬件采用標準工業產品，運行維護容易掌握，備品備件采購可以從任何一家產商獲得，不用擔心因為一家產商倒閉或供貨不足而出現產品永久失效或采購困難。而軟硬件一體式產品，對于使用者操作產品時更易操作及控制。對于后期的維護調試也更易于掌握。

觸發方式

車牌識別系統有兩種觸發方式，一種是外設觸發，另一種是視頻觸發。

外設觸發工作方式是指采用線圈、紅外或其他檢測器檢測車輛通過信號，車牌識別系統接受到車輛觸發信號后，采集車輛圖像，自動識別車牌，以及進行后續處理。該方法的優點是觸發率高，性能穩定；缺點是需要切割地面鋪設線圈，施工量大。

視頻觸發方式是指車牌識別系統采用動態運動目標序列圖像分析處理技術，實時檢測車道上車輛移動狀況，發現車輛通過時捕捉車輛圖像，識別車牌照，并進行后續處理。視頻觸發方式不需借助線圈、紅外或其他硬件車輛檢測器。該方法的優點是施工方便，不需要切割地面鋪設線圈，也不需要安裝車檢器等零部件，但其缺點也十分顯著，由于算法的極限，該方案的觸發率與識別率較之外設觸發都要低很多。

1)間接法:指通過識別安裝在汽車上的IC卡或條形碼中所存儲的車牌的信息來識別車牌及相關信息。IC卡技術識別準確度高，運行可靠，可以全天候作業，但它整套裝置價格昂貴，硬件設備十分復雜，不適用于異地作業條形碼技術具有識別速度快、準確度高、可靠性強以及成本較低等優點，但是對于掃描器要求很高。此外，二者都需要制定出全國統一的標準，并且無法核對車、條形碼是否相符，也是技術上存在的缺點，這給在短時間內推廣造成困難。

2)直接法:基于圖像的車牌識別技術屬于直接法，是一種無源型汽車牌照智能識別方法，能夠在無任何專用發送車牌信號的車載發射設備情況下，對運動狀態車輛或靜止狀態車輛的車牌號碼進行非接觸性信息采集并實時智能識別。與間接法識別系統相比，首先，這種系統節省了設備安置及大量資金，從而提高了經濟效益其次，由于采用了先進的計算機應用技術，所以可提高識別速度，較好地解決實時性問題再次，它是根據圖像進行識別，所以通過人的參與可以解決系統中的識別錯誤，而其他方法是難以與人交互的。

直接法一般有圖像處理技術，傳統模式識別技術及人工神經網絡技術。

1)圖像處理技術:運用圖像處理技術解決汽車牌照識別的研究最早始于80年代，但國內外均只是就車牌識別中的某一個具體問題進行討論，并且通常僅采用簡單的圖像處理技術來解決，并沒有形成完整的系統體系，識別過程是使用工業電視攝像機拍下汽車的工前方圖像，然后交給計算機進行簡單的處理，并且最終仍需要人工干預，例如車輛牌照中省份漢字的識別問題，1985年有人利用常見的圖像處理技木方法提出漢字識別的分類是在抽取漢字特征的基礎上進行的，根據漢字的投影直方圖選取浮動閉值，抽取漢字在豎直方向的峰值，利用樹形查表法進行漢字的粗分類然后根據漢字在水平方向的投影直方圖，選取適當閉值，進行量化處理后，形成一個變長鏈碼，再用動態規劃法，求出與標準模式鏈碼的最小距離，實現細分米完成漢字省名的自動識別。

2)傳統模式識別技術。傳統模式識別技術指結構特征法，統計特征法等。90年代，由于計算機視覺技術的發展，開始出現汽車牌照識別的系統化研究。1990年AS.Johnson等運用計算機視覺技術和圖像處理技術實現了車輛牌照的自動識別系統。該系統分為圖像分割、特征提取和模板構造、字符識別等三個部分。利用不同閩值對應的直方圖不同，經過大量統計實驗確定出車牌位置的圖像直方圖的閩值范圍，從而根據特定閩值對應的直方圖分割出車牌，再利用預先設置的標準字符模板進行模式匹配識別出字符。

3)人工神經網絡技術。近幾年來，計算機及相關技術發達的一些國家開始探討用人工神經網絡技術解決車牌自動識別問題，例如1994年M.M.M.FANHY等就成功地運用了BAM神經網絡方法對車牌上的字符進行自動識別，BAM神經網絡是由相同神經元構成的雙向聯想式單層網絡，每一個字符模板對應著唯一個BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼。