牌照字符识别方法
主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。实际应用中，车牌
门禁系统
牌照字符识别方法
主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。实际应用中，车牌识别系统的识别率还与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、jia牌照等等；实际拍摄过程也会受到环境亮度、拍摄方式、车辆速度等等因素的影响。这些影响因素不同程度上降低了车牌识别的识别率，也正是车牌识别系统的困难和挑战所在。为了提高识别率，除了不断地完善识别算法还应该想办法克服各种光照条件，使采集到的图像利于识别。
自然光路线是指白天利用自然光线，夜间采用辅助照明光源，用彩色摄像机采集车辆真彩像，用彩像分析处理方法识别车牌。自然光真彩色识别技术路线，与人眼感光习惯一致，并且，真彩像能够反映车辆及其周围环境真实的图像信息，不仅可以用来识别车牌照，而且可以用来识别车牌照颜色、车流量、车型、车颜色等车辆特征。用一个摄像机采集的图像，同时实现所有前端基本视频信息采集、识别和人工辅助图像取证判别，可以前瞻性的为未来的智能交通系统工程预留接口。
直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术。
图像处理技术:运用图像处理技术解决汽车牌1照识别的研究早始于80年代，但国内外均只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系，识别过程是使用工业电视摄像机拍下汽车的工前方图像，然后交给计算机进行简单的处理，并且终仍需要人工干预，例如车辆牌1照中省份汉字的识别问题，1985年有人利用常见的图像处理技木方法提出汉字识别的分类是在抽取汉字特征的基础上进行的，根据汉字的投影直方图选取浮动闭值，抽取汉字在竖直方向的峰值，利用树形查表法进行汉字的粗分类;然后根据汉字在水平方向的投影直方图，选取适当闭值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的距离，实现细分米完成汉字省名的自动识别。
车牌识别系统影响识别率不高的原因及解决方法
目前，市场上的大多数停车场都采用了车牌识别系统。车牌识别停车已是停车场的基本配置， 然而，当车主离开停车场时，仍然遇到没法一次通过出口，车牌识别摄像头不能识别到车牌，要返回重新识别情况。那么，究竟是什么原因影响了车牌识别摄像头的识别效果呢？
对于安装车牌识别停车场系统的停车场，影响其识别率的原因主要有两点，第yi、要保证停车场环境光线要足够明亮，对于光线较暗或者是夜间的时候，应该适当增加一些补光设备。第 二、保证进出停车场的车辆车牌照要完好无损，这样就可以保证对每辆进出场的车辆车牌都可以进行抓拍。
（作者： 来源：）
