近幾來(lái)，面對(duì)傳統(tǒng)停車業(yè)務(wù)在高速發(fā)展的城市交通面前暴露出各種難題，如停車難、尋車難等各種問(wèn)題，而車牌識(shí)別技術(shù)無(wú)疑成為智慧交通行業(yè)發(fā)展的核心技術(shù)。車牌識(shí)別可以簡(jiǎn)單概括為基于圖像分割和圖像識(shí)別的技術(shù)，對(duì)含有車輛號(hào)牌的圖像進(jìn)行分析處理，從而確定牌照在圖像中的位置，并進(jìn)一步提取和識(shí)別出文本字符。

一般來(lái)說(shuō)，車牌識(shí)別包括圖像采集、預(yù)處理、車牌定位、字符分割、字符識(shí)別、結(jié)果輸出等一系列算法運(yùn)算。車牌識(shí)別應(yīng)用在智慧停車領(lǐng)域也無(wú)外乎出入口車牌識(shí)別、場(chǎng)內(nèi)視頻引導(dǎo)、道路停車三大板塊，這三大板塊也是城市停車整體架構(gòu)中必不可少的部分。另外在這個(gè)車牌識(shí)別的整套識(shí)別業(yè)務(wù)還包括：圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等環(huán)節(jié)，具體分析如下：

圖像采集

通過(guò)IPC過(guò)車或車輛違章行為進(jìn)行實(shí)時(shí)、不間斷記錄、采集。

圖像預(yù)處理

影響車輛識(shí)別率高低的關(guān)鍵因素，因此，需要對(duì)IPC采集到的原始圖像進(jìn)行噪聲過(guò)濾、自動(dòng)白平衡、自動(dòng)曝光以及伽馬校正、邊緣增強(qiáng)、對(duì)比度調(diào)整等處理。

車牌定位

準(zhǔn)確與否直接決定后面的字符分割和識(shí)別效果，是影響整個(gè)車牌識(shí)別率的重要因素。其核心是紋理特征分析定位算法，在經(jīng)過(guò)圖像預(yù)處理之后的灰度圖像上進(jìn)行行列掃描，通過(guò)行掃描確定在列方向上含有車牌線段的候選區(qū)域，確定該區(qū)域的起始行坐標(biāo)和高度，然后對(duì)該區(qū)域進(jìn)行列掃描確定其列坐標(biāo)和寬度，由此確定一個(gè)車牌區(qū)域。通過(guò)這樣的算法可以對(duì)圖像中的所有車牌實(shí)現(xiàn)定位。

字符分割

在圖像中定位出車牌區(qū)域后，通過(guò)灰度化、灰度拉伸、二值化、邊緣化等處理，進(jìn)一步精確定位字符區(qū)域，然后根據(jù)字符尺寸特征提出動(dòng)態(tài)模板法進(jìn)行字符分割，并將字符大小進(jìn)行歸一化處理。

字符識(shí)別

對(duì)對(duì)分割后的字符進(jìn)行縮放、特征提取，獲得特定字符的表達(dá)形式，然后通過(guò)分類判別函數(shù)和分類規(guī)則，與字符數(shù)據(jù)庫(kù)模板中的標(biāo)準(zhǔn)字符表達(dá)形式進(jìn)行匹配判別，就可以識(shí)別出輸入的字符圖像。