支持牌照類型:普通藍(lán)牌、黑牌、黃牌、雙層黃牌、警車車牌、新式車牌、新式軍牌、使館車牌、港澳進(jìn)出大陸車牌。折疊編輯本段核心特色優(yōu)化的嵌入式車牌識(shí)別算法:綜合識(shí)別率99.58%;的成像自動(dòng)控制:自動(dòng)跟蹤光線變化、有效抑制順光和逆光;夜間抑制汽車大燈;補(bǔ)光燈基于圖像分析算法進(jìn)行控制，避免了傳統(tǒng)基于光敏電阻補(bǔ)光的不穩(wěn)定性;可脫機(jī)運(yùn)行:前置數(shù)據(jù)存儲(chǔ)功能;無車牌車輛智能處理:多觸發(fā)機(jī)制無車牌(或嚴(yán)重污損等)車輛的正常通行管理;

將車牌識(shí)別設(shè)備安裝于出入口，記錄車輛的牌照號(hào)碼、出入時(shí)間，并與自動(dòng)門、欄桿機(jī)的控制設(shè)備結(jié)合，實(shí)現(xiàn)車輛的自動(dòng)管理。應(yīng)用于停車場(chǎng)可以實(shí)現(xiàn)自動(dòng)計(jì)時(shí)收費(fèi)，也可以自動(dòng)計(jì)算可用車位數(shù)量并給出提示，實(shí)現(xiàn)停車收費(fèi)自動(dòng)管理節(jié)省人力、提率。應(yīng)用于智能小區(qū)可以自動(dòng)判別駛?cè)胲囕v是否屬于本小區(qū)，對(duì)非內(nèi)部車輛實(shí)現(xiàn)自動(dòng)計(jì)時(shí)收費(fèi)。在一些單位這種應(yīng)用還可以同車輛調(diào)度系統(tǒng)相結(jié)合，自動(dòng)地、客觀地記錄本單位車輛的出車情況，車牌識(shí)別管理系統(tǒng)采用了車牌識(shí)別技術(shù)，達(dá)到不停車、免取卡，有效提高車輛出入通行效率。

在交通管理系統(tǒng)中可以將車輛在某條道路的平均旅行時(shí)間作為判斷該道路擁堵狀況的一個(gè)參數(shù)。安裝車牌識(shí)別設(shè)備于道路的起止點(diǎn)，識(shí)讀所有通過車輛并將牌照號(hào)碼傳回交通指揮中心，指揮中心的管理系統(tǒng)根據(jù)這些結(jié)果就可計(jì)算出車輛平均旅行時(shí)間。

系統(tǒng)進(jìn)行視頻車輛檢測(cè)，需要具備很高的處理速度并采用的算法，在基本不丟幀的情況下實(shí)現(xiàn)圖像采集、處理。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無法檢測(cè)到行駛速度較快的車輛，同時(shí)也難以在有利于識(shí)別的位置開始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。

自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，后選定一個(gè)佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來。

通過一些后續(xù)處理技術(shù)其可以實(shí)現(xiàn)停車場(chǎng)出入口收費(fèi)管理、盜搶車輛管理、高速公路超速自動(dòng)化管理、闖紅燈電子警察、公路收費(fèi)管理等等功能。對(duì)于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通全自動(dòng)化管理有著現(xiàn)實(shí)的意義。我國標(biāo)準(zhǔn)汽車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字識(shí)別與字母和數(shù)字的識(shí)別有很大的區(qū)別，漢字的識(shí)別增加了識(shí)別的難度；

人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計(jì)算機(jī)及相關(guān)技術(shù)發(fā)達(dá)的一些國家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動(dòng)識(shí)別問題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對(duì)車牌上的字符進(jìn)行自動(dòng)識(shí)別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個(gè)字符模板對(duì)應(yīng)著個(gè)BAM矩陣，通過與車牌上的字符比較，識(shí)別出正確的車牌號(hào)碼。

為了測(cè)試一個(gè)車牌識(shí)別系統(tǒng)識(shí)別率，需要將該系統(tǒng)安裝在一個(gè)實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24小時(shí)以上，采集至少1000輛自然車流通行時(shí)的車牌照進(jìn)行識(shí)別，并且需要將車輛牌照?qǐng)D像和識(shí)別結(jié)果存儲(chǔ)下來，以便調(diào)取查看。然后，還需要得到實(shí)際通過的車輛圖像以及正確的人工識(shí)別結(jié)果。之后便可以統(tǒng)計(jì)出以下識(shí)別率：
在日常錄入違法號(hào)牌信息中發(fā)現(xiàn)車輛號(hào)牌信息與系統(tǒng)顯示的車牌信息不符時(shí)，民警通過核查車輛信息后，把有違反交通法規(guī)的車輛信息錄入指揮中心的黑名單報(bào)警系統(tǒng)。此車在轄區(qū)內(nèi)行駛時(shí)，號(hào)牌會(huì)被系統(tǒng)自動(dòng)識(shí)別報(bào)警。