车牌识别系统软件的原理

车牌识别是基于计算机视觉和模式识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别过程包括图像采集、车牌定位、字符分割、字符识别等一系列算法运算，其运行流程如下：

图像采集：

通过模拟摄像机或高清摄像机对过往车辆进行实时、不间断记录、采集。

车牌定位：

车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个车牌识别率的重要因素。

车牌定位算法的好坏，由车牌检出率来评估，目前市面上优秀的车牌识别系统，检出率能达到99%以上。

其核心是利用车牌区域的纹理特性，进行车牌定位，常用的车牌检测算法包括：利用梯度信息投影统计；利用小波变换作分割；车牌区域扫描连线算法；利用区域特性训练分类器的方法等。这些算法各有利弊，如何从复杂场景中提取出稳定可靠的车牌区域是一个难点。

字符分割：

在图像中定位出车牌区域后，通过灰度化、灰度拉伸、二值化、边缘化等处理，进一步精确定位字符区域，然后根据字符尺寸特征提出动态模板法进行字符分割，并将字符大小进行归一化处理。

字符识别：

对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类器就可以对字符进行识别，常用的分类算法有神经网络，SVM等。

结果输出：

将车牌识别的结果以文本格式输出。