隨著信息時代的到來，現(xiàn)代智能交通系統(tǒng)能夠很輕易的識別出汽車牌照，這是智能交通管理的標(biāo)志之一。智能交通管理系統(tǒng)的牌照識別集合了圖像采集和預(yù)處理、車牌定位技術(shù)、字符分割和字符識別等相關(guān)技術(shù)。其中，車牌定位、字符分割和字符識別是關(guān)鍵的技術(shù)，也是本次畢業(yè)設(shè)計的難點(diǎn)所在。正確利用好這三種關(guān)鍵技術(shù)，將有助于牌照識別的實(shí)時性和準(zhǔn)確性，對于智能交通系統(tǒng)的實(shí)現(xiàn)有著決定性作用。在MATLAB軟件開發(fā)環(huán)境下，系統(tǒng)對圖像進(jìn)行預(yù)處理、然后將預(yù)處理后的圖像進(jìn)行定位分割，后識別出相應(yīng)牌照上的字符，這樣就可以模擬設(shè)計出汽車牌照識別系統(tǒng)。本文的圖像預(yù)處理模塊是將圖像灰度化和用Canny算子進(jìn)行邊緣檢測，汽車牌照定位依據(jù)是它的顏色特征，使用MATLAB中的Radon函數(shù)和Imrotate函數(shù)來進(jìn)行車牌矯正；分割字符時，需要先找到連續(xù)的文字塊，然后根據(jù)長度大小來確定是否分割，假如所找到的連續(xù)文字塊的長度大于閾值，那么就表示可以對此文字塊進(jìn)行分割。并且為了能對車牌上的字符進(jìn)行正確的識別，本文將采用BP神經(jīng)網(wǎng)絡(luò)算法。后設(shè)計GUI界面，使界面更加簡潔明了，便于操作。根據(jù)實(shí)驗得出的結(jié)論，這種方式可以對藍(lán)色的車牌進(jìn)行、的識別，同時，也對光照、旋轉(zhuǎn)和噪聲表現(xiàn)出很好的魯棒性，定位精度和識別正確率甚至可以超過90%。

智能車牌識別一體機(jī)工程識別數(shù)據(jù)：人臉識別需要積累采集到的大量人臉圖像相關(guān)的數(shù)據(jù)，用來驗證算法，不斷提高識別準(zhǔn)確性，這些數(shù)據(jù)諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡(luò)人臉識別數(shù)據(jù))、orl人臉數(shù)據(jù)庫、麻省理工學(xué)院生物和計算學(xué)習(xí)中心人臉識別數(shù)據(jù)庫、埃塞克斯大學(xué)計算機(jī)與電子工程學(xué)院人臉識別數(shù)據(jù)等。人臉識別配合程度：現(xiàn)有的人臉識別系統(tǒng)在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結(jié)果。但是，在用戶不配合、采集條件不理想的情況下，現(xiàn)有系統(tǒng)的識別率將陡然下降。比如，人臉比對時，與系統(tǒng)中存儲的人臉有出入，例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對失敗。廣州智能車牌識別一體機(jī)工程

車輛檢測可以采用埋地線圈檢測、紅外檢測、雷達(dá)檢測技術(shù)、視頻檢測等多種方式。采用視頻檢測可以避免破壞路面、不必附加外部檢測設(shè)備、不需觸發(fā)位置、節(jié)省開支，而且更適合移動式、便攜式應(yīng)用的要求。
系統(tǒng)進(jìn)行視頻車輛檢測，需要具備很高的處理速度并采用好的算法，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)無法檢測到行駛速度較快的車輛，同時也難以在有利于識別的位置開始識別處理，影響系統(tǒng)識別率。因此，將視頻車輛檢測與牌照自動識別相結(jié)合具備技術(shù)難度。