车牌识别原理

车牌识别过程包括图像采集、图像预处理、车牌定位、字符分割、字符识别和结果输出处理。每个处理过程均须保证其较高的抗干扰能力，只有这样才能保证识别功能达到满意的功能品质。

车牌识别系统主要通过两种方法实现。一个是静态图像识别，另一个是动态视频流识别。静态图像识别限于图像质量、车牌污损度、车牌倾斜等因素。动态视频流识别需要处理器性能指标，特别是移动终端上的实时车牌识别需要更多的性能优化时，需要更快的识别速度。

1、车牌位置

　　车牌定位的主要任务是从静态图片或视频帧中找到车牌的位置，并将车牌从图像中分离出来供后续处理模块使用。车牌定位是影响系统性能的重要因素之一。

　　2、字符分割

　　字符分割的任务是将多列或多行文字图像中的每个字符从整个图像剪切到单个文字图像中。传统字符分割算法可以归纳为两类：直接分割、基于图像形态学的分割。直接分割以车牌字符分布等先验知识为基础，支持分割的几种基本投影算法。基于形态学的分割方法利用边缘检测、膨胀腐蚀等处理来确定文字图像的位置。传统的字符分割算法也对外部干扰敏感，如车牌倾斜、字符污染粘合等。车牌文字的准确分割对文字识别至关重要，如果分割准确，可以保证识别的准确性。随着神经网络理论的不断发展，端到端照片分类识别技术也取得了突破性进展，因此很多软件逐渐摆脱传统的字符分割处理，通过识别网络直接识别多个字符。

　　3、字符识别

　　字符识别是从包含一个或多个字符的图片中提取字符编码的过程。字符识别的常用方法是基于机器学习的图片分类方法。在图片分类方法中，图片只能输出一个分类。也就是说，一幅图只能包含一个文字图像。为此，文字分割的准确度要高。另一种识别方法是基于循环神经网络的完整字符识别方法。