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，那么就表示可以對此文字塊進(jìn)行分割。并且為了能對車牌上的字符進(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，這種方式可以對藍(lán)色的車牌進(jìn)行、的識(shí)別，同時(shí)，也對光照、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失敗。廣州智能車牌識(shí)別一體機(jī)工程

系統(tǒng)采用網(wǎng)絡(luò)信息加密傳輸，支持遠(yuǎn)程進(jìn)行控制和管理，可廣泛應(yīng)用于銀行、***、公檢法、智能樓宇等區(qū)域的門禁安全控制。邁通科技是人臉識(shí)別系統(tǒng)設(shè)備生產(chǎn)廠家,長期致力于人臉識(shí)別系統(tǒng)設(shè)備的研發(fā)與生產(chǎn),為客戶提供一站式解決方案和***的技術(shù)服務(wù)，價(jià)格實(shí)惠，服務(wù)好。果好，速度快，可是存在部分人員無法運(yùn)用的情況。ID卡考勤：現(xiàn)在仍是有許多的客戶都是在運(yùn)用ID卡來考勤，優(yōu)點(diǎn)速度非?？欤夷軌蛟诠窘M成一卡通的形式，可是存在于職工代打卡的現(xiàn)象。紙卡鐘考勤：紙卡鐘是現(xiàn)在考勤設(shè)備行業(yè)界***原始的設(shè)備，優(yōu)點(diǎn)是計(jì)算便利，無需電腦，可是存在于購買考勤卡的耗材費(fèi)用。

"穩(wěn)定"是門禁系統(tǒng)選擇的準(zhǔn)則，或許應(yīng)該考慮的成熟產(chǎn)品，經(jīng)過多項(xiàng)認(rèn)證，并擁有眾多典型用戶，多年正常運(yùn)行，在業(yè)內(nèi)得到。在硬件方面，從控制器到終端識(shí)別設(shè)備都是成熟而穩(wěn)定的產(chǎn)品。作為系統(tǒng)中心的門禁控制器需要支持脫機(jī)工作模式，使用閃存等非易失性存儲(chǔ)芯片，斷電或受沖擊時(shí)信息不會(huì)丟失。由于系統(tǒng)的處理依賴于軟件，應(yīng)具有穩(wěn)定合理的數(shù)據(jù)庫結(jié)構(gòu)規(guī)劃，與硬件之間采用實(shí)時(shí)輪詢的方法，堅(jiān)持和監(jiān)控硬件的通信接口和地址，以完成數(shù)據(jù)的完整性、可靠性、一致性。

那么如何實(shí)現(xiàn)車牌識(shí)別的呢，下面簡單說說：
對現(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。