例如一個(gè)車牌系統(tǒng)在白天有90%以上的準(zhǔn)確度，到了傍晚就降到80%，夜間又降到70%，這種不穩(wěn)定的系統(tǒng)，比起全天候平均擁有70%準(zhǔn)確度的車牌辨識(shí)系統(tǒng)更難于整合。因?yàn)槭褂谜邥?huì)認(rèn)為，既然白天的辨識(shí)率有90%，那全天候的準(zhǔn)確率都要達(dá)到90%才合理，這樣的規(guī)格還不包括奇怪的環(huán)境干擾(暴雨襲擊、冰雹、濃霧區(qū)段等)，與架設(shè)環(huán)境限制(高度限制、風(fēng)大搖晃限制、不容易遭受人為破壞等)。

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。

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；

開車的朋友都知道，我們無(wú)論去停車場(chǎng)還是上下高速，只要有攝像頭和欄桿的地方，基本上都需要識(shí)別你的車牌。我們普通人無(wú)需去了解車牌的識(shí)別過程，但還是有很多網(wǎng)友想了解自己的車牌是如何被識(shí)別的。

圖形檢索，定位車牌圖片處理到這一步，來(lái)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(lái)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(lái)。然后根據(jù)這些像素來(lái)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(lái)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(lái)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(lái)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。