车牌识别是工作原理：

车牌号全自动识别是一项运用车子的动态图片或静态数据图象开展车牌号、车牌色调全自动识别的方式识别技术性。其硬件环境一般包含开启机器设备（检测车子是不是进到视线）、拍摄机器设备、照明灯具、图象收集机器设备、识别车牌号的回收器（如电子计算机）等，其手机软件关键包含车牌号精准定位优化算法、车牌号标识符切分优化算法和电子光学标识符识别优化算法等。一些车牌号识别系统软件还具备根据视頻图象分辨是不是有車的作用称作视頻车辆检测。一个详细的车牌号识别系统软件应包含车辆检测、图象收集、车牌号识别等几一部分(如图所示1所显示)。当车辆检测一部分检验到车子抵达时开启图象收集模块，收集当今的视頻图象。车牌号识别模块对图象开展解决，精准定位出车牌部位，再将车牌中的标识符切分出去开展识别，随后构成车牌号輸出。   车辆检测   车辆检测能够选用埋地电磁线圈检验、红外传感器、雷达探测无损检测技术、视頻检验等多种多样方法。选用视頻检验能够防止毁坏地面、无须额外外界检测仪器、不需纠正开启部位、节省成本，并且更合适便携式、携带式运用的规定。       车牌号识别       系统软件开展视頻车辆检测，必须具有很高的响应速度并选用出色的优化算法，在基础不丢帧的状况下完成图象收集、解决。若响应速度慢，则造成 丢帧，使系统软件没法检验到行车速率迅速的车子，另外也无法确保在有益于识别的部位刚开始识别解决，危害系统软件识别率。因而，将视頻车辆检测与车牌全自动识别紧密结合具有一定的技术水平。  为了更好地开展车牌号识别，必须下列好多个基础的流程：

   1) 车牌精准定位，定位图片中的车牌部位；  

 2) 车牌标识符切分，把车牌中的标识符切分出去；   

3) 车牌标识符识别，把切分好的标识符开展识别，构成车牌号。   车牌号识别全过程中，车牌色调的识别根据优化算法不一样，很有可能在所述不一样流程完成，一般与车牌号识别相互配合、相互之间认证。   

1) 车牌精准定位   地理环境下，轿车图象情况繁杂、阳光照射不匀称，怎样在自然背景中准确地明确车牌地区是全部识别全过程的重要。先对收集到的视頻图象开展大范畴搜索推荐，寻找合乎机动车牌照特点的多个地区做为备选区，随后对这种侯选地区做进一步剖析、评定，选中一个好的地区做为车牌地区，并将其从图象中提取。   

2) 车牌标识符切分   进行车牌地区的精准定位后，再将车牌区域分割成单独标识符，随后开展识别。标识符切分一般选用竖直投射法。因为标识符在竖直方位上的投射必定在标识符间或标识符内的空隙处获得部分极小值的周边，而且这一部位应考虑车牌的标识符写法、标识符、规格限定和一些别的标准。运用竖直投射法对繁杂自然环境下的轿车图象中的标识符切分有不错的实际效果。   

3) 芜湖车牌标识符识别方式关键有根据模板匹配优化算法和根据神经网络算法优化算法。根据模板匹配优化算法先将切分后的标识符二值化并将其规格尺寸放缩为标识符数据库查询中模版的尺寸，随后与全部的模版开展搭配，挑选好搭配做为結果。根据神经网络算法的优化算法有二种：一种是先对标识符开展svm算法，随后用所得到 特点来训炼神经系统网络分配器；另一种方式是立即把图象键入互联网，由互联网全自动完成svm算法直到识别出結果。   具体运用中，车牌号识别系统软件的识别率还与车牌品质和拍攝品质息息相关。车牌品质会遭受多种要素的危害，如锈蚀、破损、漆料脱落、字体样式退色、车牌被挡住、车牌歪斜、高亮度返光、多车牌、假牌照这些；具体拍攝全过程也会遭受自然环境色度、拍攝方法、车子速率这些要素的危害。这种影响因素不一样水平上减少了车牌号识别的识别率，也更是车牌号识别系统软件的艰难和挑戰所属。为了更好地提升 识别率，除开不断健全识别优化算法还应当想办法摆脱各种各样阳光照射标准，使收集到的图象有利于识别。