為了進行車（chē）牌識別，需要以下幾個基本的步（bù）驟：

1、 牌照定位，定位圖片中的牌照位置；

2、牌照字符分割（gē），把牌照中的字符分（fèn）割出（chū）來；

3、牌照（zhào）字符識別，把分（fèn）割好的字符進行識別，最終組成牌照號碼。

車牌識別過程中，牌照顏色的識別依據算法不同（tóng），可（kě）能在上述不同步（bù）驟實現，通常與車牌識別互相（xiàng）配（pèi）合、互相驗證。

一、牌（pái）照定位

自然環境下（xià），汽車（chē）圖像背景複雜、光照不均（jun1）勻，如何在自然（rán）背景中準確地確定牌照區域是整個識別過程的關（guān）鍵。首（shǒu）先（xiān）對采集到的視頻圖像進行大（dà）範圍相關搜索，找到符合汽車牌照特征的若幹區域作為候選（xuǎn）區（qū），然後對這些侯選區域做進一步分析（xī）、評判，最後選定一個最佳的區域作為牌照區域，並將其從（cóng）圖像中分（fèn）離出來。

二、牌照字符（fú）分割

完成牌照區域的定位後，再將牌區（qū）域分割成單個字符，然後進行（háng）識別。字符分割一般（bān）采用垂直投影法。由於字（zì）符在（zài）垂直方向上（shàng）的投影（yǐng）必然在（zài）字符間或字符（fú）內（nèi）的間隙處取得局部最小值的附近，並且這個位置應滿足牌照的字（zì）符書寫格式、字符、尺寸限製和一（yī）些其他條件。利用垂直投影法對複（fù）雜環境下的汽車圖像中的字符分割有較好的（de）效果。

三、 牌照字符識別方法

主要（yào）有（yǒu）基於末班匹配算法和基於人工神經係算（suàn）法。基於（yú）模板匹配（pèi）算法首先（xiān）將（jiāng）分割後的（de）字（zì）符二值化並將其尺寸大小縮放為字符數（shù）據庫中模（mó）板的大小，然後與（yǔ）所有的模板進行匹配，選（xuǎn）擇最佳匹配作為結果。基（jī）於人工神經網絡的算法有兩種：一種是先對字符進行特征提取，然後用所獲得特征來訓練神經網（wǎng）絡分配器；另一（yī）種方法是直接把圖像（xiàng）輸入網絡，由網絡自動實現特征提取直至識別出結果。

實際應用（yòng）中，車牌識別係統的識別率還與（yǔ）牌照質量和拍（pāi）攝質量密切相關。牌照質量會受到各種因素的影響，如生鏽、汙損、油漆剝落、字（zì）體褪色、牌照被遮（zhē）擋、牌照傾斜、高亮反（fǎn）光、多牌照、假牌照等等；實際拍攝過程也會受到環境亮度、拍攝方式、車（chē）輛速（sù）度等等因素的影（yǐng）響（xiǎng）。這些影響因素不同程度上（shàng）降低了車牌識別的（de）識別率，也正是車牌識（shí）別係（xì）統的困難和挑戰所在。為了提高識別率，除了（le）不斷地完善識（shí）別算（suàn）法還應該想辦法克服各種光照（zhào）條件，使采集到的（de）圖像最利（lì）於（yú）識別。