車牌識別軟件

車牌識別軟件採用了獨有的計算機視覺和圖像處理算法，車牌定位識別迅速準確。 結合模式識別神經網絡算法，具有自適應學習功能，從而能應付不同的環境、情況和光照條件。簡單的用户程序接口使得用户很方便地將它嵌入用户應用程序。 ^[1] 

車牌識別是基於計算機視覺和模式識別理論，對含有車輛號牌的圖像進行分析處理，從而確定牌照在圖像中的位置，並進一步提取和識別出文本字符。車牌識別過程包括圖像採集、車牌定位、字符分割、字符識別等一系列算法運算，其運行流程如下：

圖像採集：

通過模擬攝像機或高清攝像機對過往車輛進行實時、不間斷記錄、採集。

車牌定位：

車牌定位的準確與否直接決定後面的字符分割和識別效果，是影響整個車牌識別率的重要因素。

車牌定位算法的好壞，由車牌檢出率來評估，市面上優秀的車牌識別系統，檢出率能達到99%以上。

其核心是利用車牌區域的紋理特性，進行車牌定位，常用的車牌檢測算法包括：利用梯度信息投影統計；利用小波變換作分割；車牌區域掃描連線算法；利用區域特性訓練分類器的方法等。這些算法各有利弊，如何從複雜場景中提取出穩定可靠的車牌區域是一個難點。

在圖像中定位出車牌區域後，通過灰度化、灰度拉伸、二值化、邊緣化等處理，進一步精確定位字符區域，然後根據字符尺寸特徵提出動態模板法進行字符分割，並將字符大小進行歸一化處理。

對分割後的字符進行縮放、特徵提取，獲得特定字符的表達形式，然後通過分類器就可以對字符進行識別，常用的分類算法有神經網絡，SVM等。

將車牌識別的結果以文本格式輸出。

車牌識別軟件可廣泛應用於智能交通、公路卡口、停車場管理、電子警察等領域。

識別率（萬張圖片）比較測試説明：

1、本測試隨機選取了10000張停車場環境下的車輛圖片，其結果僅説明相關產品在停車場環境下的識別效果；

2、本測試進行的時間為2014年4月16日，測試對象為各廠家截止該時間最新的演示軟件或SDK開發包，不代表該時間後相關廠家升級過的產品；

3、本測試所選取的產品都是國內比較有代表性的“軟識別”廠商；

4、以上測試結果數據僅對本測試適用，不足以完全説明相關產品的性能；