一個(gè)車牌識(shí)別系統(tǒng)的后臺(tái)管理體系，決定了這個(gè)車牌識(shí)別系統(tǒng)是否好用。清楚地認(rèn)識(shí)到重要的一點(diǎn)是識(shí)別率達(dá)到是不可能的，因?yàn)檐嚺普瘴蹞p、模糊、遮擋，或者天氣也許很糟（下雪﹑冰雹﹑大霧等等）。

幾乎每家都宣稱擁有高辨識(shí)率，但為了避免事后因?yàn)殡p方對(duì)產(chǎn)品認(rèn)知有差異，而將運(yùn)作不良的責(zé)任互相推托，用戶在采購(gòu)車牌辨識(shí)系統(tǒng)時(shí)，不妨要求實(shí)地測(cè)試，而且測(cè)試時(shí)間好超過兩個(gè)禮拜，比較能判斷辨識(shí)結(jié)果是否“言過其實(shí)”。因?yàn)槎嘧兊沫h(huán)境，兩個(gè)禮拜應(yīng)該可以對(duì)于場(chǎng)域可能影響辨識(shí)率的情形，大約掌握了八成，如果只是測(cè)一天、甚至幾個(gè)小時(shí)，是無法了解的。

智能車牌識(shí)別系統(tǒng)不抬桿原因多種。智能車牌識(shí)別系統(tǒng)是由車牌識(shí)別一體機(jī)、工業(yè)級(jí)到咋、語(yǔ)音集成顯示屏及系統(tǒng)軟件等部分組成，所以我們要排查問題的所在，工作流程為地感線圈→車輛檢測(cè)器→車牌識(shí)別一體機(jī)→收費(fèi)系統(tǒng)→控制器→道閘，所以原因工作中負(fù)責(zé)傳輸信號(hào)的網(wǎng)線或者信號(hào)線的連接問題，或者是工作中部件是否出故障等；

攝像頭不停地拍照，交給系統(tǒng)去判斷。原理很簡(jiǎn)單，因?yàn)闆]有車輛時(shí)，拍的照片是固定的。撐死了也就白天一幅圖、晚上一幅圖、下雨一幅圖、陰天一幅圖等。有了基礎(chǔ)的圖，就可以區(qū)分有車輛進(jìn)入地圖了。有人說這樣的容錯(cuò)率也太低了，很容易出錯(cuò)。是的，這的確容易出錯(cuò)，所以軟件端做了進(jìn)一步的技術(shù)深入：車輛輪廓識(shí)別。車輛輪廓識(shí)別與車牌識(shí)別的輪廓識(shí)別原理是一樣的，可以參考下面車牌輪廓識(shí)別部分。

圖形檢索，定位車牌圖片處理到這一步，來了——車牌檢索。動(dòng)腦筋的朋友可能已經(jīng)意識(shí)到了，車牌是規(guī)則的長(zhǎng)方形，我們只要找二值化后圖片里的長(zhǎng)方形就好了。問題來了，你找長(zhǎng)方形，問題是有些車輛的撒熱窗就是長(zhǎng)方形。愛動(dòng)腦筋的小伙伴已經(jīng)注意到了，車牌的長(zhǎng)寬比與車身其他位置的形狀長(zhǎng)寬比不同。掌握了上面的基本常識(shí)，那么我們距離找到車牌就更近了。計(jì)算機(jī)掃描整個(gè)二值化的圖片，由左到右，由上到下，把顏色從黑到白或者由白到黑的像素全部記錄下來。然后根據(jù)這些像素來計(jì)算哪個(gè)區(qū)域是長(zhǎng)方形，并且符合車牌的比例。

車牌字符切割在上一步中，我們成功找到了車牌，并把它從原圖（不是二值化的圖）截取出來了。對(duì)截取的車牌圖片進(jìn)行上一步的灰度化、二值化、降噪處理，尤其是邊緣降噪。如果降噪后，干擾的噪聲還是比較大，可以采取腐蝕、膨脹算法來模糊噪聲。如果降噪后的車牌圖片有傾斜現(xiàn)象，就需要對(duì)圖片做錯(cuò)切變換（就是傾斜角度調(diào)整）。我們知道，有些車牌是上下結(jié)構(gòu)的，這很容易通過對(duì)二值化的圖片做像素掃描來檢測(cè)上下兩部分是否中間不粘連，如果不粘連，那就是上下結(jié)構(gòu)車牌。如果不是上下結(jié)構(gòu)，那就是單行結(jié)構(gòu)的新車牌。