隨著信息時(shí)代的到來，現(xiàn)代智能交通系統(tǒng)能夠很輕易的識(shí)別出汽車牌照，這是智能交通管理的標(biāo)志之一。智能交通管理系統(tǒng)的牌照識(shí)別集合了圖像采集和預(yù)處理、車牌定位技術(shù)、字符分割和字符識(shí)別等相關(guān)技術(shù)。其中，車牌定位、字符分割和字符識(shí)別是關(guān)鍵的技術(shù)，也是本次畢業(yè)設(shè)計(jì)的難點(diǎn)所在。正確利用好這三種關(guān)鍵技術(shù)，將有助于牌照識(shí)別的實(shí)時(shí)性和準(zhǔn)確性，對(duì)于智能交通系統(tǒng)的實(shí)現(xiàn)有著決定性作用。在MATLAB軟件開發(fā)環(huán)境下，系統(tǒng)對(duì)圖像進(jìn)行預(yù)處理、然后將預(yù)處理后的圖像進(jìn)行定位分割，后識(shí)別出相應(yīng)牌照上的字符，這樣就可以模擬設(shè)計(jì)出汽車牌照識(shí)別系統(tǒng)。本文的圖像預(yù)處理模塊是將圖像灰度化和用Canny算子進(jìn)行邊緣檢測，汽車牌照定位依據(jù)是它的顏色特征，使用MATLAB中的Radon函數(shù)和Imrotate函數(shù)來進(jìn)行車牌矯正；分割字符時(shí)，需要先找到連續(xù)的文字塊，然后根據(jù)長度大小來確定是否分割，假如所找到的連續(xù)文字塊的長度大于閾值，那么就表示可以對(duì)此文字塊進(jìn)行分割。并且為了能對(duì)車牌上的字符進(jìn)行正確的識(shí)別，本文將采用BP神經(jīng)網(wǎng)絡(luò)算法。后設(shè)計(jì)GUI界面，使界面更加簡潔明了，便于操作。根據(jù)實(shí)驗(yàn)得出的結(jié)論，這種方式可以對(duì)藍(lán)色的車牌進(jìn)行、的識(shí)別，同時(shí)，也對(duì)光照、旋轉(zhuǎn)和噪聲表現(xiàn)出很好的魯棒性，定位精度和識(shí)別正確率甚至可以超過90%。

智能車牌識(shí)別一體機(jī)工程識(shí)別數(shù)據(jù)：人臉識(shí)別需要積累采集到的大量人臉圖像相關(guān)的數(shù)據(jù)，用來驗(yàn)證算法，不斷提高識(shí)別準(zhǔn)確性，這些數(shù)據(jù)諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡(luò)人臉識(shí)別數(shù)據(jù))、orl人臉數(shù)據(jù)庫、麻省理工學(xué)院生物和計(jì)算學(xué)習(xí)中心人臉識(shí)別數(shù)據(jù)庫、埃塞克斯大學(xué)計(jì)算機(jī)與電子工程學(xué)院人臉識(shí)別數(shù)據(jù)等。人臉識(shí)別配合程度：現(xiàn)有的人臉識(shí)別系統(tǒng)在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結(jié)果。但是，在用戶不配合、采集條件不理想的情況下，現(xiàn)有系統(tǒng)的識(shí)別率將陡然下降。比如，人臉比對(duì)時(shí)，與系統(tǒng)中存儲(chǔ)的人臉有出入，例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對(duì)失敗。廣州智能車牌識(shí)別一體機(jī)工程

拓展性差異：因?yàn)橐曨l車位引導(dǎo)能夠識(shí)別停車位具體車輛信息，所以常跟反向?qū)ぼ囅到y(tǒng)搭配使用。反向?qū)ぼ囅到y(tǒng)通過視頻車位引導(dǎo)收集的車位信息圖片及分析處理后的數(shù)據(jù)，儲(chǔ)存在后臺(tái)，當(dāng)車主通過場內(nèi)反向查詢機(jī)或APP上輸入對(duì)應(yīng)車輛信息時(shí)，數(shù)據(jù)上傳到并對(duì)儲(chǔ)存庫進(jìn)行對(duì)比，終給出具體車輛停車信息或無該車輛對(duì)應(yīng)信息。
可以滿足對(duì)各設(shè)備的供電，如果控制總線之類的，建議采用RVV-3*，因?yàn)樾枰紤]到崗?fù)す╇姷仍O(shè)備。2.通訊線。通訊線是設(shè)備用來跟電腦連接的，這個(gè)要看您采用哪種通訊方式，比如您要是采用的是RS485通訊，通訊線一般是采用RVVPJ-3*的雙絞屏蔽線;3.控制信號(hào)新。

幾乎所有高新科技都可促進(jìn)其發(fā)展，尤其是信息時(shí)代的來臨，更為該發(fā)展提供契機(jī)。安防工程的技術(shù)要點(diǎn)包括入侵報(bào)警系統(tǒng)、視頻監(jiān)控系統(tǒng)、出入口控制系統(tǒng)以及電子巡查系統(tǒng)四
目前道路交通壓力劇增，如何緩解車輛過多的壓力是智慧交通研究中心的關(guān)鍵一環(huán)。而智慧交通是旨在建立起一種大范圍、、實(shí)時(shí)、準(zhǔn)確、的交通運(yùn)輸管理系統(tǒng)，進(jìn)而成為可以有效地利用現(xiàn)有交通設(shè)施、減少交通負(fù)荷和環(huán)境污染、交通安全、提高運(yùn)輸效率的重要手段。

那么如何實(shí)現(xiàn)車牌識(shí)別的呢，下面簡單說說：
對(duì)現(xiàn)存的車牌識(shí)別算法進(jìn)行了研究，在諸多算法中尋找到一種適合在Android、iOS平臺(tái)上運(yùn)行的算法。先通過智能手機(jī)的攝像頭獲得車牌的彩色圖像，然后將采集到的圖像進(jìn)處理，包括通過YUV模型進(jìn)行灰度化，分段線性變換進(jìn)行灰度拉升，二值化，Roberts算子進(jìn)行邊緣檢測，數(shù)學(xué)形態(tài)學(xué)處理等，然后通過Hough變換進(jìn)行車牌矯正，其次用雙投影和灰度跳變的方法實(shí)現(xiàn)車牌的定位、分割，后通過模板匹配實(shí)現(xiàn)車牌識(shí)別。

移動(dòng)端車牌識(shí)別實(shí)現(xiàn)的過程簡單為以下幾個(gè)部分：

圖像采集：通過智能手機(jī)攝像頭拍攝車牌圖像。

預(yù)處理：灰度化、二值化、邊緣增強(qiáng)、噪聲過濾、自動(dòng)白平衡、自動(dòng)曝光以及伽馬校正、對(duì)比度調(diào)整等。

車牌定位：在經(jīng)過圖像預(yù)處理之后的灰度圖像上進(jìn)行行列掃描，確定車牌區(qū)域，車牌切斜校正。

字符分割：在圖像中定位出車牌區(qū)域后，通過灰度化、二值化等處理，定位字符區(qū)域，然后根據(jù)字符尺寸特征進(jìn)行字符分割。

字符識(shí)別：對(duì)分割后的字符進(jìn)行縮放、特征提取，與字符數(shù)據(jù)庫模板中的標(biāo)準(zhǔn)字符表達(dá)形式進(jìn)行匹配判別。

結(jié)果輸出：將車牌識(shí)別的結(jié)果以文本格式輸出。