常用的车牌定位的方法有基于颜色的方法、基于纹理特征的方法、基于数学形态学的方法、基于小波变换的方法等。这些车牌定位方法，都各自具有不同的局限性。使用Mean Shift算法进行车牌定位可以获得比较好的效果。对于图像空间的所有像素点，在经过Mean Shift算法迭代后，如果终收敛于同一点，则停止迭代。用同样的方法对图像空间中的所有像素点进行迭代遍历，得出的结果根据收敛点的不同可
车牌识别系统
常用的车牌定位的方法有基于颜色的方法、基于纹理特征的方法、基于数学形态学的方法、基于小波变换的方法等。这些车牌定位方法，都各自具有不同的局限性。使用Mean Shift算法进行车牌定位可以获得比较好的效果。对于图像空间的所有像素点，在经过Mean Shift算法迭代后，如果终收敛于同一点，则停止迭代。用同样的方法对图像空间中的所有像素点进行迭代遍历，得出的结果根据收敛点的不同可以把整个空间分成几个区域。这些区域即为可能的车牌区域，再通过上述特征在可能的车牌区域中进行对照分析，就可以得到车牌区域。随着物联网，人工智能和相关智能停车技术的发展，无人值守的停车场将越来越受欢迎，这将节省大量的人力成本，并将不可避免地为车主带来更方便，更智能的停车体验。
车牌识别系统通过应用数字成像技术和计算机信息处理技术，采用合适的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更准确的wei章车辆信息，从而达到更有效率的的车辆程度。
车牌自动识别系统产品的主要性能指标是识别率和识别速度，这两个性能指标既可以表征一个车牌自动识别系统性能的好坏。但是因为摄像设备所拍到的图像的清晰度不够，也因为处理图像的技术也不够完善，所以车牌自动识别系统的识别率和识别速度一直未能大幅提高。因此，研究出高速准确的定位与识别算法是当前的主要任务。可见，在实际交通管理应用中，基于PC机平台的车牌识别系统具有很多限制与缺陷。
车牌定位是指在经过图像预处理操作后的灰度图像中判断出车辆车牌所在的区域，而车牌分割是指在完整的车辆图像中把本设计所要的车牌区域的图像分割出来，为下一步的字符识别操作做准备。车牌图像处理后的灰度图是一个水平度很高的矩形图样，在预处理图中比较集中，且字符的灰度值和相邻字符图样有较明显差别，因此很容易用边缘算法检测操作来对图像进行分割。车牌定位和分割的精准度将直接影响到终的字符识别的好坏。传统的基于PC平台的车牌识别系统除在在信息处理应用实时性方面难以满足人们的日常需求，同时，在网络管理应用方面也存在带宽的压力，信息采集终端方面的成本也过高。
目前针对车牌识别系统的研究主要可分为基于嵌入式平台和基于PC机平台两种研究方向。传统的基于PC平台的车牌识别系统除在在信息处理应用实时性方面难以满足人们的日常需求， 同时，在网络管理应用方面也存在带宽的压力，信息采集终端方面的成本也过高。可见，在实际交通管理应用中，基于PC机平台的车牌识别系统具有很多限制与缺陷。鉴于传统基于PC平台的车牌识别系统存在的缺点和不足，本文提出了基于MCS-51单片机的车牌识别系统。它是把分割后的单个字符区域与预置的标准字符集进行匹配处理，取标准字符集中相似度的字符作为识别结果。
（作者： 来源：）
