為了進行車牌（pái）識別，需（xū）要（yào）以下幾個基本的步驟：

1、 牌照定位（wèi），定位圖片中（zhōng）的牌（pái）照位置；

2、牌照字符分割，把牌照中的字符分割出來（lái）；

3、牌照字符識別，把（bǎ）分割好的字符進行識別，最終組成牌照號碼。

車牌（pái）識別過（guò）程中，牌（pái）照顏色的識別（bié）依據算法不同，可（kě）能在上述不同步驟實現，通常與車牌識別（bié）互相配合、互相驗證。

一（yī）、牌照定位

自然環境下，汽車圖像背景複雜、光照不均（jun1）勻，如何在（zài）自然背景中準（zhǔn）確地確（què）定牌照區域是整個（gè）識別過程的關鍵。首（shǒu）先對采集到的視頻圖像進（jìn）行（háng）大範圍相關（guān）搜索，找到符合汽（qì）車牌照特征（zhēng）的若幹區域（yù）作為候選區，然後對這些侯選（xuǎn）區域做進一步（bù）分析、評判，最後選定一個最佳的區域作為（wéi）牌照區域，並將（jiāng）其從圖像中分離出來（lái）。

二、牌照字符分割

完成牌照區域的定位後，再將牌區域（yù）分割成單個字符（fú），然後進行識別。字符分割一般采用垂直投影（yǐng）法。由於字符在垂（chuí）直方向上的投影必然在字符間或（huò）字符內的間隙處（chù）取得局部最小值的（de）附近，並且這個位置應滿足牌照的字符（fú）書寫格式（shì）、字符、尺寸限製和一些其他條件。利用垂直投影法對複雜環境下的汽車圖像中的字符分割有較好的效果。

三（sān）、 牌（pái）照（zhào）字符識別方法

主要有基於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先將分割後的字符二值（zhí）化並（bìng）將其尺（chǐ）寸大小縮放為字符數（shù）據庫中模板的大小，然後與所有的模（mó）板進（jìn）行匹配（pèi），選擇最佳匹配作為結果。基於人工神經網絡的算法有兩種：一種是先對字符進（jìn）行（háng）特征提取，然後用所（suǒ）獲得特征（zhēng）來訓練神經網絡分配器；另一種方法是直接（jiē）把圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。

實際（jì）應用中，車牌識別係統的（de）識別率（lǜ）還（hái）與牌照質量和拍攝質量密（mì）切相關（guān）。牌照質量（liàng）會受到各種因素的影響（xiǎng），如生鏽、汙損、油漆剝落、字體褪色、牌照被遮（zhē）擋、牌照傾斜（xié）、高亮反光、多牌照、假牌照等（děng）等；實（shí）際拍攝過程也會受到環境亮度、拍（pāi）攝（shè）方（fāng）式、車輛速度等等因素（sù）的影響。這些影響（xiǎng）因素不同程度上（shàng）降低了車牌識別的識別率（lǜ），也正是車牌識別係統的困難和挑（tiāo）戰所在。為了提高（gāo）識（shí）別率（lǜ），除了不斷地完（wán）善識別（bié）算法還應（yīng）該想辦法克服（fú）各種光照條件，使采集到的圖像最利於識別。