車牌識別是工作原理：

車牌號全自動識別是一項運用車子的動態圖片或靜態數據圖象開展車牌號、車牌色調全自動識別的方式識別技術性。其硬件環境一般包含開啟機器設備（檢測車子是不是進到視線）、拍攝機器設備、照明燈具、圖象收集機器設備、識別車牌號的回收器（如電子計算機）等，其手機軟件關鍵包含車牌號精準定位優化算法、車牌號標識符切分優化算法和電子光學標識符識別優化算法等。一些車牌號識別系統軟件還具備根據視頻圖象分辨是不是有車的作用稱作視頻車輛檢測。一個詳細的車牌號識別系統軟件應包含車輛檢測、圖象收集、車牌號識別等幾一部分(如圖所示1所顯示)。當車輛檢測一部分檢驗到車子抵達時開啟圖象收集模塊，收集當今的視頻圖象。車牌號識別模塊對圖象開展解決，精準定位出車牌部位，再將車牌中的標識符切分出去開展識別，隨后構成車牌號輸出。   車輛檢測   車輛檢測能夠選用埋地電磁線圈檢驗、紅外傳感器、雷達探測無損檢測技術、視頻檢驗等多種多樣方法。選用視頻檢驗能夠防止毀壞地面、無須額外外界檢測儀器、不需糾正開啟部位、節省成本，并且更合適便攜式、攜帶式運用的規定。       車牌號識別       系統軟件開展視頻車輛檢測，必須具有很高的響應速度并選用出色的優化算法，在基礎不丟幀的狀況下完成圖象收集、解決。若響應速度慢，則造成 丟幀，使系統軟件沒法檢驗到行車速率迅速的車子，另外也無法確保在有益于識別的部位剛開始識別解決，危害系統軟件識別率。因而，將視頻車輛檢測與車牌全自動識別緊密結合具有一定的技術水平。  為了更好地開展車牌號識別，必須下列好多個基礎的流程：

   1) 車牌精準定位，定位圖片中的車牌部位；  

 2) 車牌標識符切分，把車牌中的標識符切分出去；   

3) 車牌標識符識別，把切分好的標識符開展識別，構成車牌號。   車牌號識別全過程中，車牌色調的識別根據優化算法不一樣，很有可能在所述不一樣流程完成，一般與車牌號識別相互配合、相互之間認證。   

1) 車牌精準定位   地理環境下，轎車圖象情況繁雜、陽光照射不勻稱，怎樣在自然背景中準確地明確車牌地區是全部識別全過程的重要。先對收集到的視頻圖象開展大范疇搜索推薦，尋找合乎機動車牌照特點的多個地區做為備選區，隨后對這種侯選地區做進一步剖析、評定，選中一個好的地區做為車牌地區，并將其從圖象中提取。   

2) 車牌標識符切分   進行車牌地區的精準定位后，再將車牌區域分割成單獨標識符，隨后開展識別。標識符切分一般選用豎直投射法。因為標識符在豎直方位上的投射必定在標識符間或標識符內的空隙處獲得部分極小值的周邊，而且這一部位應考慮車牌的標識符寫法、標識符、規格限定和一些別的標準。運用豎直投射法對繁雜自然環境下的轎車圖象中的標識符切分有不錯的實際效果。   

3) 蕪湖車牌標識符識別方式關鍵有根據模板匹配優化算法和根據神經網絡算法優化算法。根據模板匹配優化算法先將切分后的標識符二值化并將其規格尺寸放縮為標識符數據庫查詢中模版的尺寸，隨后與全部的模版開展搭配，挑選好搭配做為結果。根據神經網絡算法的優化算法有二種：一種是先對標識符開展svm算法，隨后用所得到 特點來訓煉神經系統網絡分配器；另一種方式是立即把圖象鍵入互聯網，由互聯網全自動完成svm算法直到識別出結果。   具體運用中，車牌號識別系統軟件的識別率還與車牌品質和拍攝品質息息相關。車牌品質會遭受多種要素的危害，如銹蝕、破損、漆料脫落、字體樣式退色、車牌被擋住、車牌歪斜、高亮度返光、多車牌、假牌照這些；具體拍攝全過程也會遭受自然環境色度、拍攝方法、車子速率這些要素的危害。這種影響因素不一樣水平上減少了車牌號識別的識別率，也更是車牌號識別系統軟件的艱難和挑戰所屬。為了更好地提升 識別率，除開不斷健全識別優化算法還應當想辦法擺脫各種各樣陽光照射標準，使收集到的圖象有利于識別。