隨著信息時(shí)代的到來(lái)，現(xiàn)代智能交通系統(tǒng)能夠很輕易的識(shí)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(shí)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(shí)別等相關(guān)技術(shù)。其中，車牌定位、字符分割和字符識(shí)別是關(guān)鍵的技術(shù)，也是本次畢業(yè)設(shè)計(jì)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(shí)別的實(shí)時(shí)性和準(zhǔn)確性，對(duì)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(duì)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(shí)別出相應(yīng)牌照上的字符，這樣就可以模擬設(shè)計(jì)出汽車牌照識(shí)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(cè)，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(lái)進(jìn)行車牌矯正；分割字符時(shí)，需要先找到連續(xù)的文字塊，然后根據(jù)長(zhǎng)度大小來(lái)確定是否分割，假如所找到的連續(xù)文字塊的長(zhǎng)度大于閾值，那么就表示可以對(duì)此文字塊進(jìn)行分割。并且為了能對(duì)車牌上的字符進(jìn)行正確的識(shí)別，本文將采用BP神經(jīng)網(wǎng)絡(luò)算法。后設(shè)計(jì)GUI界面，使界面更加簡(jiǎn)潔明了，便于操作。根據(jù)實(shí)驗(yàn)得出的結(jié)論，這種方式可以對(duì)藍(lán)色的車牌進(jìn)行、的識(shí)別，同時(shí)，也對(duì)光照、旋轉(zhuǎn)和噪聲表現(xiàn)出很好的魯棒性，定位精度和識(shí)別正確率甚至可以超過90%。

智能車牌識(shí)別一體機(jī)工程識(shí)別數(shù)據(jù)：人臉識(shí)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(lái)驗(yàn)證算法，不斷提高識(shí)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(shí)別數(shù)據(jù))、orl人臉數(shù)據(jù)庫(kù)、麻省理工學(xué)院生物和計(jì)算學(xué)習(xí)中心人臉識(shí)別數(shù)據(jù)庫(kù)、埃塞克斯大學(xué)計(jì)算機(jī)與電子工程學(xué)院人臉識(shí)別數(shù)據(jù)等。人臉識(shí)別配合程度：現(xiàn)有的人臉識(shí)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(shí)別率將陡然下降。比如，人臉比對(duì)時(shí)，與系統(tǒng)中存儲(chǔ)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(duì)失敗。廣州智能車牌識(shí)別一體機(jī)工程

車輛檢測(cè)可以采用埋地線圈檢測(cè)、紅外檢測(cè)、雷達(dá)檢測(cè)技術(shù)、視頻檢測(cè)等多種方式。采用視頻檢測(cè)可以避免破壞路面、不必附加外部檢測(cè)設(shè)備、不需觸發(fā)位置、節(jié)省開支，而且更適合移動(dòng)式、便攜式應(yīng)用的要求。
系統(tǒng)進(jìn)行視頻車輛檢測(cè)，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(wú)法檢測(cè)到行駛速度較快的車輛，同時(shí)也難以在有利于識(shí)別的位置開始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備技術(shù)難度。