车牌识别系统是计算机视频图像识别技术在车辆识别中的一种应用。1985年有人利用常见的图像处理技木方法提出汉字识别的分类是在抽取汉字特征的基础上进行的，根据汉字的投影直方图选取浮动闭值，抽取汉字在竖直方向的峰值，利用树形查表法进行汉字的粗分类。车牌识别技术结合电子不停车收费系统（ETC）识别车辆，过往车辆通过道口时无须停车，即能够实现车辆身份自动识别、自动收费。在车场管理中，为提高出入口车辆通行效率，车牌识别针对无需收停车费的车辆（如月卡车、内部免费通行车辆），建设无人值守的快速通道，免取卡、不停车的出入体验，正改变出入停车场的管理模式。

选择匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。几乎每家都宣称拥有高辨识率，但为了避免事后因为双方对产品认知有差异，而将运作不良的责任互相推托，用户在采购车牌辨识系统时，不妨要求实地测试，而且测试时间超过两个礼拜，比较能判断辨识结果是否“言过其实”。实际应用中，车牌识别系统的识别率还与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、等等；

这是车牌识别算法中关键的一步，效果的优劣直接影响到车牌识别率的高低。运用启发式车牌定位算法算法，使得综合号牌检出率高达99.5%。对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别函数和分类规则，与字符数据库模板中的标准字符表达形式进行匹配判别，就可以识别出输入的字符图像。字符识别是整个系统的核xin。在其实际应用中，为关键的问题是字符特征的选择，如果特征选择不具有很好的区分度，不仅特征维数较大而且还很难获得较好的识别效果。运用的大规模神经网络识别算法，使用综合号牌识别率高达98.5%。

牌上的相似字符，由于外形比较接近，受图像分辨率，光线，车牌污损等影响，一般的分类算法，很容易出现误识别。首先将运动中的汽车牌照从复杂背景中提取出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号，输出车牌号码。车牌识别系统基于此算法基础上提出了易混淆字符专门处理，相似字符例如“2”和“Z”、“0”和“D”等，都能进行有效识别。使得识别效果在任何ji端复杂情形下依然保持高识别率。车牌识别算法提升 行业发展空间可期。