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，车牌定位，字符分割，光学字符识别，输出识别结果5个步骤。车辆图像的方式决定了车牌识别的技术路线。国际ITS通行的两条主流技术路线是自然光和红外光图像识别。自然光和红外光不会对人体产生不良的心理影响，也不会对环境产生新的电子污染，属于绿色环保技术。
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，用彩色摄像机车辆真彩
高速公路车牌识别摄像机价格
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，车牌定位，字符分割，光学字符识别，输出识别结果5个步骤。车辆图像的方式决定了车牌识别的技术路线。国际ITS通行的两条主流技术路线是自然光和红外光图像识别。自然光和红外光不会对人体产生不良的心理影响，也不会对环境产生新的电子污染，属于绿色环保技术。
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，用彩色摄像机车辆真彩色像，用彩图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，真彩色像能够反映车辆应用 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。用一个摄像机的图像，同时实现所有前端基本视频信息、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。
红外光路线是指利用车牌反和红外光的光学特性，用红外摄像机车辆灰度图像，由于红外特性，车辆图像上几乎只能看见车牌，然后用黑白图像处理方法识别车牌。950nm的红外照明装置可抓拍到很好的反光车牌照图像。因红外光是不可见光，它不会对驾驶员产生视觉影响。另外，红外照明装置提供的是不变的光，所抓拍的图像都是一样的，不论是在中明亮的时候，还是在中暗的时候。唯的例外是在白天，有时会看到一些牌照周围的细节，这是因为晴朗天气时太阳光的外光波的影响。采用红外灯的缺点就是所捕获的车牌照图像不是彩色的，不能获取整车图像，并且严重依赖车牌光材料。
选购原则
重视稳定度
随着产品算法与业者的技术提升，整合早就不是重要的话题，现阶段需要注意的重点反而是"稳定度"。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。
例如一个车牌系统在白天有90%以上的准确度，到了傍晚就降到80%，夜间又降到70%，这种不稳定的系统，比起全天候平均拥有70%准确度的车牌辨识系统更难于整合。因为使用者会认为，既然白天的辨识率有90%，那全天候的准确率都要达到90%才合理，这样的规格还不包括奇怪的环境干扰(暴雨袭、冰雹、浓雾区段等)，与架设环境限制(高度限制、风大摇晃限制、不容易遭受人为破坏等)。
确实实测
几乎每家都宣称拥有高辨识率，但为了避免事后因为双方对产品认知有差异，而将运作不良的责任互相推托，用户在采购车牌辨识系统时，不妨要求实地测试，而且测试时间好超过两个礼拜，比较能判断辨识结果是否"言过其实"。因为台湾是一个多变的环境，两个礼拜应该可以对于场域可能影响辨识率的情形，大约掌握了八成，如果只是测、甚至几个小时，是无法了解的。
车辆轨道在车牌识别系统用一个多维点序列表示为Strajectory={p1,…,pi,…,pn}，其间pi代表第i条ANPR记载，n是该车辆ANPR记载的总数，按照时刻先后顺序排列。第i条ANPR记载表示为pi=(ti，gi，li)，其间ti是抓拍时刻，gi是抓拍卡口编号，li是抓拍后识别出的车牌号码。
将轨道作为一个全体很难提取车辆的行为特征，咱们将整个轨道trajectory分割成多个子轨道{S1,…,Si,…,Sm}，每个子轨道代表一个短期行程trip，切分完之后一共m个行程。轨道区分独立行程的标准是时刻距离，假如2个接连的ANPR记载的时刻距离超过一个阈值Tt，则将这2个记载区分到2个子轨道中。第i个行程用一个多维点序列表示为Si=，其间pa是行程的起点记载，pa+k是行程的终点记载,数量k就是行程中记载的数量。如图1所示，该车辆的轨道被区分为6个行程。
车牌识别系统在检测到车辆的运动后会抓拍大量的图片，而根据实际经历，在交通拥挤条件下一个车辆有或许被抓拍2次或屡次，因而需求将行程Si中的相同卡口的接连记载丢掉掉。例如图1中，第6个行程S6序列内有2个卡口B的接连记载，只有1个记载被保存，其他记载被丢掉。需求注意的是相同的卡口能够不接连地呈现屡次，例如公交车之类的车辆行进在往返线路中，行程中会屡次呈现相同的卡口。
（作者： 来源：）
