為了進行車牌識別，需要以（yǐ）下幾個基本的（de）步驟：

1、 牌照（zhào）定位，定位圖片中的牌照位置；

2、牌照字符（fú）分割（gē），把牌（pái）照中（zhōng）的字符分（fèn）割出來；

3、牌照字符（fú）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（guò）程中，牌照（zhào）顏色的識別依據算（suàn）法不同，可能在上述不同步驟（zhòu）實現，通常與車牌識別互相配合、互相驗證。

一、牌照定位

自然環境下，汽車（chē）圖像背景複雜、光照不均勻，如何在自然背景中準確地確定牌照區域是整個識別過程的關（guān）鍵。首先對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（qū）域作（zuò）為候選區，然後對這些侯選區域做進（jìn）一步分析、評判，最（zuì）後（hòu）選定一（yī）個（gè）最佳的區域作為牌照區（qū）域，並（bìng）將其從圖像中分離出來。

二、牌照字符分割

完成牌照區域的定位（wèi）後，再將牌區域分割成單個（gè）字符，然後進行識別。字符分（fèn）割（gē）一般采用垂直投影法。由於（yú）字符（fú）在垂直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（gè）位置應（yīng）滿（mǎn）足牌照的（de）字符書寫（xiě）格式、字符、尺（chǐ）寸（cùn）限（xiàn）製和一些其他條件（jiàn）。利用垂直投影法對複雜環（huán）境下的汽車圖像中的字符分割有較好的（de）效果。

三、 牌照字（zì）符識別（bié）方法

主要有基於末班匹配（pèi）算法和基（jī）於人工神經係（xì）算法。基於模板（bǎn）匹配（pèi）算法首先將分割後的字符二值（zhí）化並將其（qí）尺寸大小縮放（fàng）為字符數據庫中模板的大小，然後與所有（yǒu）的模板進行匹配，選擇最佳匹配（pèi）作為結果。基於人工神經網絡（luò）的算法有兩種：一種是先對字（zì）符進行特征（zhēng）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（zì）動實現特征提取直（zhí）至（zhì）識別（bié）出（chū）結果。

實（shí）際應（yīng）用（yòng）中，車牌識別係統的識別率還與牌照質量（liàng）和拍攝質量密切相關。牌照質量會受到各種因素的影響，如生鏽、汙損、油（yóu）漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高（gāo）亮反（fǎn）光、多牌照、假牌照等等；實際拍攝過（guò）程也會（huì）受到環境亮度、拍攝方式、車（chē）輛速（sù）度等等因素的影響。這（zhè）些影響因素不（bú）同程（chéng）度上降低了車牌識別的識別率，也正是車牌識別係統的困難和挑戰所在。為了提高識別率，除了不（bú）斷地（dì）完（wán）善識（shí）別算法還應該想辦法克服各種光照條件，使采集到的圖像最利於識別。