為了進（jìn）行車牌識別，需要以下幾（jǐ）個基本的步（bù）驟（zhòu）：

1、 牌照定位，定位（wèi）圖片中的牌照位置；

2、牌照字符分割，把牌照中（zhōng）的字符分割出來；

3、牌照（zhào）字符識別，把分割好的字符進行識別，最終組成牌照號碼。

車牌識別過程中，牌照顏色的識別依據算法不同（tóng），可能（néng）在上述不同步驟實現，通常與車牌識別互相配合、互相驗證。

一、牌照（zhào）定位

自然環境下，汽車圖像背景複雜、光照不均勻，如（rú）何在自然（rán）背景（jǐng）中準確地確（què）定牌照區域是整個識別過程的（de）關鍵。首先對（duì）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若幹區域作為候（hòu）選區，然後對這些侯選區域做進一步分析、評判（pàn），最後選定一個最佳的區域作為牌照區域，並將其（qí）從圖像中分離出來。

二、牌照字符分割

完（wán）成（chéng）牌照區域的定位後，再將牌區域分割成單（dān）個字符，然後進行識別。字符分割（gē）一般采用垂直（zhí）投影法。由於字符在垂直（zhí）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，並且這個位置應滿（mǎn）足牌照的字符書寫格式、字符、尺寸限製和一些其他條件。利用垂直投（tóu）影法對複雜環境下的汽車圖像中的字符分割有較（jiào）好的效果。

三（sān）、 牌照字符識別方法

主要有基於（yú）末班匹配算法和基於人工神經係算法。基於模板匹配算法首（shǒu）先將分割後的（de）字符二值化並將其尺寸大小縮放為（wéi）字符數據庫中模板的大小，然後與所有的模板進行匹配（pèi），選擇最佳匹配（pèi）作為（wéi）結果。基於人工神經網絡的算法有兩種：一種是先對字符進行特征提取，然後用所獲得特征來訓練神經網絡分配器；另一種方法是直接把圖像輸入網絡，由網絡自動實現特征提（tí）取直至識別出結果。

實（shí）際應用中，車牌識別係統的識別率還與牌照質量和拍攝質量密切（qiē）相關。牌照質（zhì）量（liàng）會受到各種因（yīn）素的影響（xiǎng），如生鏽（xiù）、汙損、油漆剝落、字體褪色、牌照被遮（zhē）擋、牌照（zhào）傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環（huán）境亮度、拍攝方（fāng）式、車（chē）輛速（sù）度等等因素的影響。這些影響（xiǎng）因素不同程度上降低了車（chē）牌識別的識別率，也正是車牌識別（bié）係統的（de）困難和挑戰所在。為（wéi）了提高（gāo）識別率，除了不斷地完善識別算法還應該想辦法（fǎ）克（kè）服（fú）各種光照條件，使采集（jí）到的圖像最利於識別。