ITS（Intelligent Transportation System）是一項以信息通信技術將人、車、路三者緊密協(xié)調、和諧統(tǒng)一，而建立起的大范圍內(nèi)、全方位發(fā)揮作用的實時、準確、高效的運輸管理系統(tǒng)，該系統(tǒng)在有效利用現(xiàn)有交通設施、減少交通負荷和環(huán)境污染、保證交通安全、提高運輸效率、促進社會經(jīng)濟發(fā)展、提高人民生活質量，推動社會信息化及形成新產(chǎn)業(yè)等方面具有極其重要的作用，從而受到世界各國的重視，目前已形成世界交通二十一世紀的發(fā)展方向。
    作為核心技術之一，車輛牌照識別（license plate recognition，LPR）技術是公安執(zhí)法系統(tǒng)、高速公路自動收費系統(tǒng)、城市道路監(jiān)控系統(tǒng)、智能停車場管理系統(tǒng)等諸多ITS相關應用系統(tǒng)的重要一環(huán)，可以大大簡化人的勞動，消除人為干擾，減少乃至杜絕出錯的可能。相對于射頻信號識別和條形碼識別技術，有兩大優(yōu)點：

（1）不需要在汽車上安裝專門的條形碼或射頻識別標識；

（2）LPR系統(tǒng)本身是基于視頻技術的識別系統(tǒng)，可方便地進行圖像回放、檢索。

車牌自動識別系統(tǒng)主要包括圖像采集、圖像處理、牌照切分、字符識別、近端或遠端數(shù)據(jù)庫、網(wǎng)絡支持等工作模塊。 
    通過視頻采集卡與計算機相連
車牌識別技術的用途

城市交通：交通路口流量統(tǒng)計

智能交通違章監(jiān)攝管理（電子警察）

高速公路：自動收費，自動車輛登記，違章記錄

公安系統(tǒng)：肇事/失竊/犯罪車輛監(jiān)測

軍事要塞、機關、賓館：車輛自動化管理

停車場及居民小區(qū)：進出車輛管理，自動計費；

關鍵：

第二部分：車輛牌照定位與分割

即從包含整個車輛的圖像中找到牌照區(qū)域的位置，決定其后的車牌字符識別。

第三部分：車牌字符識別

 車牌圖像的特點

我國現(xiàn)有車輛牌照：4類——藍底白字、黃底黑字、黑底白字和白底黑字。

車輛牌照特征：

（1）一個省份漢字（軍警牌則為其他漢字）后跟字母或阿拉伯數(shù)字組成的7個字序列。標準車牌的具體排列格式是：X1X2.X3X4X5X6X7，

（2）車輛牌照區(qū)域牌底與牌字顏色對比大，邊緣非常豐富

（3）在某相對固定的牌照位置拍得的圖像上車輛牌照子圖像區(qū)域高度和長度一定，且昌鎬比例一定。車牌原始尺寸：字寬45mm，字高90mm，間隔符寬10mm，每個單元間隔12mm。

 車牌定位技術綜述

出發(fā)點：通過車牌區(qū)域的特征來判斷牌照。

車牌主要特征：

（1）    車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計“特征”。——具有兩個明顯且分離的分布中心。

（2）    車牌的幾何特征，即車輛的寬、高比例在一定范圍內(nèi)。

（3）    車牌區(qū)域的灰度分布特征，穿過車牌的水平直線其灰度呈現(xiàn)連續(xù)的峰、谷、峰的分布。

（4）    車牌區(qū)域水平或垂直投影特征。車牌區(qū)域水平或垂直投影呈現(xiàn)連續(xù)的峰、谷、峰的分布。

（5）    車牌形狀特征和字符排列格式特征。車牌有矩形邊框，字符位于矩形框中且有間隔。

（6）    頻譜特征，即對圖形作行或列的DFT變換。其頻譜圖中包含了車牌的位置信息。

 車牌定位系統(tǒng)

 一個車牌定位系統(tǒng)通常包括圖像預處理、車牌區(qū)域搜索、車牌定位與分割等部分。
車牌圖像定位的難點
（1）    抓拍圖像受環(huán)境因素干擾（環(huán)境光照不均勻等），照片質量很難保證。
（2）    其它字符區(qū)域干擾，難以準確定位。
（3）    車牌出現(xiàn)污點，變臟，筆跡模糊，褪色等。
（4）    車牌被部分遮擋。
（5）    運動圖像的模糊失真，形成鋸齒等。
 車牌檢測與定位方法要點

1.    灰度化：將24位真彩色圖像轉換成灰度圖，以便與后續(xù)處理的統(tǒng)一和快速。

2.    灰度拉伸：成像時光照不足或過強，圖像偏暗或偏亮，經(jīng)處理后使圖像邊緣清晰，牌照區(qū)域筆劃特征跟明顯。

3.    邊緣檢測：車牌子區(qū)域邊緣豐富。

4.    模板匹配：在有著復雜背景的圖像中找車牌

 車牌定位的實現(xiàn)方法

1.    直接法：直接分析圖像的特征

2.    神經(jīng)網(wǎng)絡法：

首先利用神經(jīng)網(wǎng)絡對圖像中一個個小窗口進行分類，然后對分類結果進行綜合，從而得到牌照的準確定位。

3.    基于矢量量化的牌照定位方法：

在對牌照定位的同時進行了圖像的壓縮；

對圖像的處理不是以像素為單位，而是以塊為單位，提高了處理速度；

容易識別圖像中沒有牌照的情況。

 車牌字符的識別

與通用的OCR識別方法類似。

主要算法：

1．基于模板匹配的OCR算法

首先對待識別字符進行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結果。改進：基于關鍵點的模板匹配算法。

5種簡單識別器：簡單模板匹配；外圍輪廓匹配；改進穿線法；基于 Hausdorff距離的模板匹配；簡單分類器。

2．基于人工神經(jīng)網(wǎng)絡的OCR算法

 車牌字符識別實現(xiàn)要點

 1． 預處理：

（1）    二值化：（彩色分割方法）

難點：閾值選擇和牌照類型多樣（要統(tǒng)一）

方法：全局閾值（OSTU等）和局部閾值

（2）    傾斜度校正：Hough變換檢測直線傾角。

（3）    字符分割與大小歸一化：統(tǒng)計分析方法

2． 字符識別（OCR）

通用的匹配識別方法，小波變換，分形等

 車牌字符識別的難點

牌照由漢字、字母和數(shù)字組成，漢字的筆畫繁多，圖像要具有更高的分辨力，系統(tǒng)要具有很高的采集和處理速度，要達到實時處理。這要求采用的算法簡潔、實用、有較高的效率。