為了進行車牌識別，需要以下幾個（gè）基本的（de）步驟：

1、 牌照定位，定位（wèi）圖片中的牌照位置；

2、牌照字（zì）符分割，把牌（pái）照中的字符分割出來；

3、牌照字符識別，把分割好的字符進（jìn）行識別，最終（zhōng）組成牌照號碼（mǎ）。

車牌識（shí）別過程中，牌照顏色（sè）的識別依據算法（fǎ）不同，可能在上述不（bú）同步驟實現（xiàn），通常與車牌識（shí）別互相配合、互相驗證。

一、牌照定位

自（zì）然環境（jìng）下，汽車圖像背景複雜、光照不均勻，如（rú）何在自然背（bèi）景（jǐng）中準確地確定牌（pái）照區域是整個識別過程（chéng）的（de）關鍵。首先對采集到的視頻圖像進行大範圍相關搜索，找到符合汽車牌照特征的（de）若幹區域（yù）作為（wéi）候選區，然後對這些（xiē）侯選（xuǎn）區域做進一（yī）步分（fèn）析、評判，最後選定一個最佳的（de）區域作為牌（pái）照區域，並將其從圖像中分離（lí）出來。

二、牌照字符分割

完成牌照區域的定位後，再將牌區域分割（gē）成單個字符，然後進行識別。字（zì）符分割一般（bān）采用垂直投影法。由於字符在垂直方向上的投影必然在字符間或字符內的間隙處取得局部最小值的附近，並（bìng）且這個位置應滿足（zú）牌照的字符書寫格式、字符、尺寸（cùn）限製和一些其（qí）他（tā）條件。利用垂直投影法對複雜環境下的（de）汽車圖像中的字符分割有較好的效果。

三、 牌照字符識別方法

主（zhǔ）要有基於末班匹配算法和（hé）基於人工（gōng）神經係算（suàn）法。基於模板匹配算法（fǎ）首先將分割（gē）後的字符二值（zhí）化（huà）並將其尺寸大小縮（suō）放為字符數據庫中模板（bǎn）的大小，然後（hòu）與所有的模板進行匹配，選擇最佳匹配作為結果。基於人工神經網絡（luò）的算法（fǎ）有兩種：一種（zhǒng）是先對字符進行特征提（tí）取，然後用所獲得特征（zhēng）來訓練（liàn）神經網絡分配器；另（lìng）一種方法是直接把圖（tú）像輸入網絡，由網絡自動實現特征提取直至識別出結（jié）果。

實際應用（yòng）中，車牌識別係統的識別率還與牌照質量和拍（pāi）攝質量密切相（xiàng）關。牌照質量會受到各種因素的影響，如生鏽、汙損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜（xié）、高（gāo）亮（liàng）反（fǎn）光、多牌照、假牌照等（děng）等；實（shí）際（jì）拍攝過程也會（huì）受到環境亮度、拍攝方式、車輛速度等等因素的影響。這些影響因素不同程度上降低了車牌識別的識別（bié）率，也正是車牌識別係統的（de）困難和挑（tiāo）戰所在。為了提高識別率，除了不斷地完善識別算法還應該想辦法克服各種光照條件，使（shǐ）采集到的圖像最利於識別。