字符分割
?
　　定位出車牌區(qū)域后，由于并不知道車牌中總共有幾個(gè)字符、字符間的位置關(guān)系、每個(gè)字符的寬高等信息，所以，為了車牌類型匹配和字符識(shí)別正確，字符分割是的一步。字符分割的主要思路是，基于車牌的二值化結(jié)果或邊緣提取結(jié)果，利用字符的結(jié)構(gòu)特征、字符間的相似性、字符間間隔等信息，一方面把單個(gè)字符分別提取出來(lái)，也包括粘連和斷裂字符等特殊情況的處理；另一方面把寬、高相似的字符歸為一類從而去除車牌邊框以及一些小的噪聲。一般采用的算法有：連通域分析、投影分析，字符聚類和模板匹配等。污損車牌和光照不均造成的模糊車牌仍是字符分割算法所面對(duì)的挑戰(zhàn)，有待更好的算法出現(xiàn)并解決以上問(wèn)題。

字符識(shí)別
?
　　對(duì)分割后的字符的灰度圖像進(jìn)行歸一化處理，特征提取，然后經(jīng)過(guò)機(jī)器學(xué)習(xí)或與字符數(shù)據(jù)庫(kù)模板進(jìn)行匹配，后選取匹配度的結(jié)果作為識(shí)別結(jié)果。目前比較流行的字符識(shí)別算法有：模板匹配法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法和Adaboost分類法等。模板匹配法的優(yōu)點(diǎn)是識(shí)別速度快、方法簡(jiǎn)單，缺點(diǎn)是對(duì)斷裂、污損等情況的處理有一些困難；人工神經(jīng)網(wǎng)絡(luò)法學(xué)習(xí)能力強(qiáng)、適應(yīng)性強(qiáng)、分類能力強(qiáng)但比較耗時(shí)；支持向量機(jī)法對(duì)于未見(jiàn)過(guò)的測(cè)試樣本具有更好的識(shí)別能力且需要較少的訓(xùn)練樣本；Adaboost分類法能側(cè)重于比較重要的訓(xùn)練數(shù)據(jù)，識(shí)別速度快、實(shí)時(shí)性較高。我國(guó)車牌由漢字、英文字母和阿拉伯?dāng)?shù)字3種字符組成，且具有統(tǒng)一的樣式，這也是識(shí)別過(guò)程的方便之處。但由于車牌很容易受外在環(huán)境的影響，出現(xiàn)模糊、斷裂、污損字符的情況，如何提高這類字符和易混淆字符的識(shí)別率，也是字符識(shí)別的難點(diǎn)之一。易混淆字符包括：0與D、0與Q、2與Z、8與B、5與S、6與G、4與A等。

個(gè)人停車車庫(kù)
?
　　可能有不少人都有了屬于自己的私人車庫(kù)，就會(huì)有很多的個(gè)人的車庫(kù)，直接讓車庫(kù)門還有車牌識(shí)別系統(tǒng)之間進(jìn)行聯(lián)動(dòng)，只需要將自己的車開(kāi)到門前，車庫(kù)的門就會(huì)自動(dòng)打開(kāi)，非常的方便有，比較常見(jiàn)的就是用車庫(kù)滑升門或者是渦輪硬質(zhì)快速卷簾門來(lái)配合車牌識(shí)別系統(tǒng)。