自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。利用不同闽值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闽值范围。首先对采ji到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，后选定一个区域作为牌照区域，并将其从图像中分离出来。完成牌照区域的
动态人脸识别机
自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。利用不同闽值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闽值范围。首先对采ji到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，后选定一个区域作为牌照区域，并将其从图像中分离出来。完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。
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。采用BAM神经网络方法的缺点是无映解决识别系统存储容量和处理速度相矛盾的问题。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ji到的图像利于识别。采用计算机视觉技术识别车牌的流程通常都包括车辆图像采ji，车牌定位，字符分割，光学字符识别，输出识别结果5个步骤。
车牌识别行业已具备一定的市场规模，在电子jing察、公路卡口、停车场、商业管理、汽修服务等领域已取得了部分应用，粗略估计，行业的潜在市场覆盖率为30%-40%左右。对摄像机所拍摄的车辆图像或者视频图像进行处理分析，得到每辆车的车牌号码，从而完成识别过程。总体而言，车牌识别行业处于发展期。车牌识别行业发展的主要瓶颈在于技术，识别率是当前衡量技术的主要指标，直接决定了其在终端的应用价值。所以识别率的改进是车牌识别技术发展的主要方向，也是决定车牌识别能否取得更广泛应用的关键因素。
牌上的相似字符，由于外形比较接近，受图像分辨率，光线，车牌污损等影响，一般的分类算法，很容易出现误识别。稳定度的定义是：在一个既定的车速范围内，不会让必须达到的准确度，因外在环境影响而产生过大的误差。车牌识别系统基于此算法基础上提出了易混淆字符专门处理，相似字符例如“2”和“Z”、“0”和“D”等，都能进行有效识别。使得识别效果在任何ji端复杂情形下依然保持高识别率。车牌识别算法提升 行业发展空间可期。
（作者： 来源：）
