車(chē)牌識(shí)別感光部件對(duì)外部環(huán)境的處置
?
　　環(huán)境是影響車(chē)牌辨認(rèn)的主要要素，在采集車(chē)輛圖像時(shí)，由于環(huán)境光線變化猛烈，白晝光較強(qiáng)、夜間較弱，面光與背光不同，上午和下午的光照方向也不一樣，抓拍圖像時(shí)受環(huán)境光線影響較大，車(chē)速過(guò)高、采集設(shè)備的動(dòng)態(tài)范圍等都使成像質(zhì)量難以得到有效。當(dāng)辨認(rèn)算法以為車(chē)牌到達(dá)了成像位置時(shí)系統(tǒng)觸發(fā)系統(tǒng)開(kāi)端拍攝，這對(duì)觸發(fā)設(shè)備的牢靠性和響應(yīng)速度都有較高的請(qǐng)求。所以要處理環(huán)境形成辨認(rèn)率低下的問(wèn)題，還要靠攝像機(jī)的感光部件對(duì)外部環(huán)境的處置。

車(chē)牌識(shí)別系統(tǒng)(VehicleLicensePlateRecognion，VLPR)是指能夠檢測(cè)到受監(jiān)控路面的車(chē)輛并自動(dòng)提取車(chē)輛牌照信息(含漢字字符、英文字母、阿拉伯?dāng)?shù)字及號(hào)牌顏色)進(jìn)行處理的技術(shù)。車(chē)牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車(chē)輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車(chē)的車(chē)牌號(hào)碼，從而完成識(shí)別過(guò)程。通過(guò)一些后續(xù)處理手段可以實(shí)現(xiàn)停車(chē)場(chǎng)收費(fèi)管理，交通流量控制指標(biāo)測(cè)量，車(chē)輛定位，汽車(chē)防盜，高速公路超速自動(dòng)化監(jiān)管、闖紅燈電子、公路收費(fèi)站等等功能。對(duì)于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動(dòng)化管理有著現(xiàn)實(shí)的意義。

圖像采集
?
　　根據(jù)車(chē)輛檢測(cè)方式的不同，圖像采集一般分為兩種，一種是靜態(tài)模式下的圖像采集，通過(guò)車(chē)輛觸發(fā)地感線圈、紅外或雷達(dá)等裝置，給相機(jī)一個(gè)觸發(fā)信號(hào)，相機(jī)在接收到觸發(fā)信號(hào)后會(huì)抓拍一張圖像，該方法的優(yōu)點(diǎn)是觸發(fā)率高，性能穩(wěn)定，缺點(diǎn)是需要切割地面鋪設(shè)線圈，施工量大；另一種是視頻模式下的圖像采集，外部不需要任何觸發(fā)信號(hào)，相機(jī)會(huì)實(shí)時(shí)地記錄視頻流圖像，該方法的優(yōu)點(diǎn)是施工方便，不需要切割地面鋪設(shè)線圈，也不需要安裝車(chē)檢器等零部件，但其缺點(diǎn)也十分顯著，由于算法的極限，該方案的觸發(fā)率與識(shí)別率較之外設(shè)觸發(fā)都要低一些。

車(chē)牌定位
?
　　從整個(gè)圖像中準(zhǔn)確地檢測(cè)出車(chē)牌區(qū)域，是車(chē)牌識(shí)別過(guò)程的一個(gè)重要步驟，如果定位失敗或定位不完整，會(huì)直接導(dǎo)致終識(shí)別失敗。由于復(fù)雜的圖像背景，且要考慮不清晰車(chē)牌的定位，所以很容易把柵欄，廣告牌等噪聲當(dāng)成車(chē)牌，所以如何排除這些偽車(chē)牌也是車(chē)牌定位的一個(gè)難點(diǎn)。為了提高定位的準(zhǔn)確率和提高識(shí)別速度，一般的車(chē)牌識(shí)別系統(tǒng)都會(huì)設(shè)計(jì)一個(gè)外部接口，讓用戶自己根據(jù)現(xiàn)場(chǎng)環(huán)境設(shè)置不同的識(shí)別區(qū)域。

車(chē)牌校正
?
　　由于受拍攝角度、鏡頭等因素的影響，圖像中的車(chē)牌存在水平傾斜、垂直傾斜或梯形畸變等變形，這給后續(xù)的識(shí)別處理帶來(lái)了困難。如果在定位到車(chē)牌后*行車(chē)牌校正處理，這樣做有利于去除車(chē)牌邊框等噪聲，更有利于字符識(shí)別。目前常用校正方法有：Hough變換法，通過(guò)檢測(cè)車(chē)牌上下、左右邊框直線來(lái)計(jì)算傾斜角度；旋轉(zhuǎn)投影法，通過(guò)按不同角度將圖像在水平軸上進(jìn)行垂直投影，其投影值為0的點(diǎn)數(shù)之和時(shí)的角度即為垂直傾斜角度，水平角度的計(jì)算方法與其相似；主成分分析法，根據(jù)車(chē)牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對(duì)特征點(diǎn)的主成分方向即為車(chē)牌的水平傾斜角度；方差小法，根據(jù)字符在垂直方向投影點(diǎn)的坐標(biāo)方差小導(dǎo)出垂直傾斜角的閉合表達(dá)式，從而確定垂直傾斜角度；透視變換，利用檢測(cè)到的車(chē)牌的四個(gè)頂點(diǎn)經(jīng)過(guò)相關(guān)矩陣變換后實(shí)現(xiàn)車(chē)牌的畸變校正。

字符分割
?
　　定位出車(chē)牌區(qū)域后，由于并不知道車(chē)牌中總共有幾個(gè)字符、字符間的位置關(guān)系、每個(gè)字符的寬高等信息，所以，為了車(chē)牌類(lèi)型匹配和字符識(shí)別正確，字符分割是的一步。字符分割的主要思路是，基于車(chē)牌的二值化結(jié)果或邊緣提取結(jié)果，利用字符的結(jié)構(gòu)特征、字符間的相似性、字符間間隔等信息，一方面把單個(gè)字符分別提取出來(lái)，也包括粘連和斷裂字符等特殊情況的處理；另一方面把寬、高相似的字符歸為一類(lèi)從而去除車(chē)牌邊框以及一些小的噪聲。一般采用的算法有：連通域分析、投影分析，字符聚類(lèi)和模板匹配等。污損車(chē)牌和光照不均造成的模糊車(chē)牌仍是字符分割算法所面對(duì)的挑戰(zhàn)，有待更好的算法出現(xiàn)并解決以上問(wèn)題。