车牌识别系统需求分析模板
车牌识别系统技术设计方案
车牌识别系统技术设计方案车牌识别系统设计方案的思考与规划一、方案目标与范围1.1 目标设定我们这次的目标是创建一个高效且可靠的车牌识别系统，目的是为了能自动识别、管理和监控车辆。
这套系统的应用场景相当广泛，比如：- 停车场的管理- 交通流量监控- 小区的出入管理- 物流车辆的追踪与管理1.2 范围界定在这个方案中，我们将深入探讨车牌识别系统的各个技术设计要素，包括具体的实施步骤、设备选择、数据管理方案以及后续的维护策略，确保这个系统不仅能立刻投入使用，还能在未来保持稳定与可持续性。
二、组织现状分析2.1 需求分析说到现在的管理方式，手动记录车牌信息的效率真是低得让人发愁，很多时候还容易出错。
引入车牌识别系统后，我们能够实现：- 自动识别车牌，管理效率自然就提升了。
- 数据能实时更新，这样后续的统计与分析都变得轻松多了。
- 安全性也大大增强，未授权的车辆就不容易混进来。
2.2 现状评估现在的车管方式主要靠人工来记录，显然有不少问题：- 人工记录太慢，常常造成拥堵。
- 信息更新滞后，数据分析困难重重。
- 安全隐患多，未授权车辆难以迅速识别。
三、实施步骤与操作指南3.1 设备选择根据我们的需求，建议选用这些设备：- 高清摄像头：最好夜视功能齐全，分辨率得在1080P以上。
- 车牌识别软件：要用人工智能算法，识别准确率至少要在95%以上。
- 数据存储设备：需要大容量存储，方便长期保存数据。
3.2 系统架构设计系统的架构可以分为几个主要模块：- 数据采集模块：负责实时采集和预处理数据。
- 数据处理模块：用识别算法解析车牌信息，并存储必要的数据。
- 数据管理模块：提供数据查询、统计和管理功能。
- 用户界面模块：给管理人员一个友好的操作界面。
3.3 实施步骤1. 现场勘查：确定摄像头的安装位置，确保覆盖所有进出口。
2. 设备采购：根据选型进行设备采购，确保质量与性能。
3. 系统安装：进行设备的安装和调试，确保系统正常运作。
车牌识别系统方案书
车牌自动识别系统方案书车牌识别亮点：其方便没有临时车的单位或小区；99%以上；车牌识别优势：第一章背景随着我国机动车增长速度的加快，停车场管理系统已经被广泛的应用起来，使车辆管理更加科学化，正规化。
经过几年的推广应用，在广泛使用的同时，也发现了一些弊端和漏洞一、月租卡与车无法准确对应，无法实现真正的一车一卡现有系统，当月租用户刷卡出入车场时，无法自动判定该卡是否对应该车，这样就造成了，用户卡片随意互借，丢失计时卡，车辆数目不准确，用不法手段获取他人月租卡进行高档车辆盗窃的严重安全隐患。
二、临时卡无法自动录入车牌现有系统，当临时卡用户进入车场时，无法自动在数据库中存储牌照号，这样在查询停车场中某辆临时停放车辆的进出情况时，会变得非常麻烦，无法快速查找。
需要依次调取所有进入车辆图片进行人工辨别。
同时也无法对离场临停车辆进行车牌和卡片的双重验证，同样也存在安全隐患。
三、车辆进出效率低下。
现在小区规模越来越大，业主车辆越来越多，在经过停车场管理系统刷卡验证时，经常会出现业主找卡，忘记带卡，刷卡时无法靠边的情况，这样就严重影响了通行速度，造成车辆拥堵。
在上下班高峰期的时候这种情况尤其严重。
针对以上的系统弊端和漏洞，我公司通过多年的技术研发和验证测试，推出了目前最先进的车牌自动识别系统，作为停车场系统的子系统，通过计算机的图像处理自动识别记录车牌，辨别同一车牌的车辆出入场时是否一致，是目前识别速度最快的硬件车牌识别系统。
其软件模块可以嵌入到停车场系统软件中，配合硬件共同实现车牌自动识别功能，使停车场系统更加完善精确。
在智能交通系统中，车牌自动识别系统是一个非常重要的发展方向，车牌自动识别系统正是在这种应用背景下研制出来的能够自动实时地检测车辆经过和识别汽车牌照的智能交通管理系统。
第二章关于车牌识别技术车牌识别技术（License Plate Recognition，LPR）以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如车牌、车型、颜色等。
车牌识别系统需求规格说明书
车牌识别系统需求规格说明书一、引言1.1 编写目的随着经济发展和人民生活水平的不断提高，汽车数量急剧增加，城市与城市之间的车辆流动也变得越来越频繁。
一些严重问题如交通堵塞、交通事故发生率居高不下也频频发生。
为了从根本上解决问题，世界各国都早已开始研究智能交通系统。
智能交通系统为解决当前紧迫的交通问题提供了关键的技术，其中车牌识别是其中最关键技术之一，在各级公路和城市交通管理都有广泛运用，具有巨大的经济价值和现实意义。
1.2 项目背景2009级数字图像处理大作业1.3 参考文献（1）姚蕾，车牌识别系统的软件设计与实现，硕士学位论文，上海交通大学，2009/12 月（2）王卫，基于颜色特征的车牌快速定位，计算机工程与应用，2006（3）山美娟车牌识别中的图像定位及分割方法网络财富2010/11 期（4）毛晓蛟车牌识别系统的研究与实现电脑编程技巧与维护2010/14 期二、任务描述2.1 目标（1）完成一个完整的软件系统（2）实现基本功能（3）性能上可接受2.2 运行环境实现在Windows操作系统下可运行的软件三、功能需求3.1车牌定位3.1.1 概述车牌定位是在一个复杂背景的图像找到车牌素的区域，作为车牌识别的第一步，定位的结果直接影响到整个系统的性能。
3.1.2 功能描述（1）图像预处理图像预处理是对原始图像进行滤波和增强，把处于复杂背景下的图像进行效果增强和滤波处理。
（2）车牌区域搜索搜索整幅图像中可能包含车牌的若干区域，剔除非牌照区域。
（3）车牌定位车牌定位是从一张复杂背景的图像中找到车牌所在的区域，其关键在于寻找车牌特征，主要分为基于纹理特征和基于颜色特征。
车牌纹理特征可以用不同的方法来描述：车牌灰度图像的边缘、图像水平方向上的方差、水平方向上的梯度等。
由于纹理特征比较稳定而且易于提取，所以用纹理特征作为车牌的主要特征。
3.2 车牌字符分割3.2.1 概述车牌字符分割作为车牌识别得到结果的重要部分其准确性直接关系到整个系统的效率。
2024年车牌识别系统市场需求分析
2024年车牌识别系统市场需求分析1. 引言车牌识别系统是一种通过图像识别技术自动检测、识别和处理车辆车牌的系统。
随着交通管理的日益重要和智能化水平的提高，车牌识别系统在市场上的需求日益增长。
本文将对车牌识别系统市场需求进行分析。
2. 市场规模及增长趋势根据市场研究报告，全球车牌识别系统市场规模正不断增长。
目前，该市场已经发展成熟，在各个领域均有广泛应用。
2.1 市场规模根据预测，车牌识别系统市场规模预计在未来几年将达到xx亿美元。
2.2 增长趋势车牌识别系统市场呈现出以下几个增长趋势： - 政府投资促进市场增长：政府在交通管理领域的投资不断增加，车牌识别系统作为一种重要的监管工具，市场需求逐渐上升。
- 技术发展带动需求增长：车牌识别系统涉及到多项技术，如图像处理、模式识别等，随着这些技术的不断发展和成熟，市场需求也将持续增加。
- 安全需求推动市场增长：车牌识别系统在安全领域具有重要的应用价值，如交通违法监控、车辆追踪等，这些安全需求也将推动市场的增长。
3. 市场应用领域车牌识别系统具有广泛的应用领域，包括但不限于以下几个方面：3.1 交通管理车牌识别系统在交通管理领域应用广泛，可用于自动化收费系统、交通违法监控等。
这些应用可以提高交通管理的效率和准确性。
3.2 停车场管理车牌识别系统能够用于停车场管理，实现自动停车场入场和出场识别，减少人工干预，提高运营效率。
3.3 安防监控车牌识别系统可用于安防监控，通过检测和识别车辆的车牌号码，实现车辆追踪和高效安全管理。
3.4 公共安全车牌识别系统还可用于公共安全领域，如寻找失踪儿童、查找嫌疑车辆等，对维护社会安全发挥重要作用。
4. 市场竞争格局车牌识别系统市场竞争激烈，主要由一些知名的技术公司和解决方案提供商垄断。
这些公司通过不断的技术创新和市场推广，保持了一定的竞争优势。
5. 市场挑战与机遇车牌识别系统市场面临一些挑战，如技术复杂、隐私问题等。
但同时也带来了一些机遇，如智能化交通管理的需求增长、安防监控市场的扩大等。
车牌识别可行性分析
车牌识别可行性分析车牌识别技术是一种以计算机视觉为基础的智能化技术，通过摄像机采集车辆信息，经过图像处理算法进行识别和分析，实现对车牌号码的自动识别。
该技术的可行性分析是一个重要的话题，下面将从技术、应用和隐私三个方面展开讨论。
一、技术可行性车牌识别技术的可行性主要取决于系统的准确度、鲁棒性和实时性。
目前，车牌识别技术已经取得了较高的准确率，通过深度学习等算法可以对车牌进行高效快速的识别。
鲁棒性方面，该技术对于不同光照、角度和车牌样式都有一定的容错能力，能够适应不同场景的识别需求。
此外，随着计算机处理能力的不断提升，车牌识别系统也能够在毫秒级的时间内实时进行识别，满足实际应用的要求。
二、应用可行性车牌识别技术在治安维护、交通管理、停车场管理等领域具有广泛应用的可行性，其中最常见的应用之一是在治安防控方面，例如在道路巡逻过程中，可以通过车牌识别系统实时识别车辆信息，辅助警察判断是否有异常情况。
此外，车牌识别技术还可以应用于交通违法行为的监督与处罚、停车场车辆进出管理等场景，提高工作效率和减少人力成本。
三、隐私保护可行性车牌识别技术作为一种涉及个人隐私的技术，应该充分考虑隐私保护的可行性。
首先，车牌识别系统应该明确采集车牌信息的目的，并严格限制使用该信息的范围和权限，以确保个人信息不被滥用。
其次，在数据存储和传输过程中，应采取加密等安全措施，防止个人信息泄露。
另外，针对车牌识别系统可能遭受黑客攻击的情况，需要建立完善的安全防护机制，确保系统的稳定和数据的安全。
综上所述，车牌识别技术在技术、应用和隐私保护方面均具备可行性。
然而，在实际应用中，还需要考虑因素如环境复杂性、设备成本、系统维护等问题，对于不同的应用场景需具体分析和权衡。
同时，还需要制定相应的法律法规和政策来规范车牌识别技术的使用，确保其在服务社会的同时保护公民的合法权益。
作为一项具有潜力和前景的技术，车牌识别技术的可行性分析需要结合实际情况进行全面评估和研究。
车牌自动识别软件市场分析报告
车牌自动识别软件市场分析报告1.引言1.1 概述车牌自动识别软件是一种利用计算机视觉技术和图像处理技术，实现对车辆车牌号码自动识别的软件系统。
随着智能交通系统的发展和应用，车牌自动识别软件在交通管理、停车场管理、安防监控等领域得到了广泛的应用和需求。
本报告旨在对车牌自动识别软件市场进行深入分析，包括市场概况、市场需求分析以及竞争对手分析，以期通过全面的调研和分析，为相关企业和投资者提供市场发展的参考依据和决策支持。
1.2 文章结构文章结构部分的内容可以包括对整篇文章的章节安排和内容概述。
可以介绍每个章节的主要内容和重点，以及章节之间的逻辑关系和联系，为读者提供一份清晰的阅读指南。
具体内容可以包括每个章节的主题概述、研究方法、数据来源、分析框架等信息，以便读者了解整篇文章的结构和内容安排。
1.3 目的本报告旨在对车牌自动识别软件市场进行全面分析，深入了解市场概况、需求情况以及竞争对手情况。
通过对市场发展趋势的展望，提出相应的建议，为相关企业和投资者提供决策参考。
同时，本报告也将总结市场分析所得，以供读者参考。
通过本报告，希望能够为行业内的企业和相关从业者提供有益的信息，促进市场的健康发展。
1.4 总结总结:通过本报告的市场分析，我们可以得出结论，车牌自动识别软件市场具有巨大的发展潜力，因为随着城市化进程的加快和智能交通系统的不断完善，对于车牌自动识别技术的需求将会不断增加。
同时，竞争对手分析也表明，市场竞争激烈，需要不断提升产品技术和服务质量以保持市场竞争力。
在市场发展趋势展望和建议与展望部分将会针对市场未来发展趋势提出具体建议，为相关企业的发展提供参考。
综上所述，车牌自动识别软件市场具有广阔的前景和挑战，需要企业以及政府部门加大投入和研发力度，以抓住市场机遇，取得更大的市场份额和竞争优势。
2.正文2.1 车牌自动识别软件市场概况车牌自动识别软件是一种基于图像识别技术的应用软件，它能够通过识别车辆上的车牌号码，并将其转换为可识别的文字信息。
2024年车牌识别系统市场调查报告
2024年车牌识别系统市场调查报告1. 引言车牌识别系统是一种利用图像处理和模式识别技术，自动识别和提取车辆上的车牌号码的系统。
它在交通管理、安防监控、停车管理等领域有着广泛的应用。
本报告旨在进行车牌识别系统市场调查，分析市场规模、增长趋势、竞争格局和发展前景等，为投资者和相关行业提供参考。
2. 市场规模与增长趋势根据市场研究公司的数据，车牌识别系统市场在过去几年内保持了快速增长的态势。
截至2020年，全球车牌识别系统市场规模约为100亿美元，预计到2025年将达到170亿美元，年复合增长率达到11%。
市场规模的快速增长主要受益于以下几个因素：•交通拥堵和安全需求的增加•城市化进程的推动•技术的不断进步和成本的降低•政府对智能交通和安防系统的投资增加3. 市场竞争格局车牌识别系统市场具有一定的竞争性，主要由以下几个主要参与者组成：•厂商1: XXX公司是全球领先的车牌识别系统供应商，其产品性能和稳定性在行业内享有较高声誉。
•厂商2: XXX公司是国内一家知名的车牌识别系统厂商，其产品覆盖范围广，市场份额领先。
•厂商3: XXX公司是新兴的科技公司，与人工智能及深度学习技术结合，提供具有高精度和快速响应的车牌识别系统。
市场竞争格局相对较为稳定，市场份额集中在少数几家厂商手中。
与此同时，行业内不断涌现新的科技公司，这些公司凭借先进的技术和创新的解决方案，正在逐渐与传统厂商形成竞争。
未来竞争将更加激烈，技术创新和产品差异化将成为厂商间争夺市场份额的关键。
4. 市场发展前景车牌识别系统市场未来有望继续保持快速增长的势头。
以下是市场发展前景的几个主要因素：•市场需求持续增加：交通拥堵、车辆盗窃、违法行为等问题仍然存在，对车牌识别系统的需求将持续增加。
•技术进步与成本降低：随着人工智能和图像处理技术的进步，车牌识别系统的性能和成本将得到进一步改善，进而推动市场发展。
•政府投资和政策支持：政府对智能交通和安防领域的投资将进一步激发市场的发展，并提供政策支持。
车牌识别可行性分析
车牌识别可行性分析车牌识别技术是指利用计算机视觉技术对车辆的车牌进行自动识别和提取的一种技术。
它在交通管理、安全监控、智能停车等方面有着广泛的应用前景。
本文将对车牌识别的可行性进行分析，从技术、成本和法律等方面进行探讨。
一、技术可行性车牌识别技术基于计算机视觉和图像处理技术，通过对车辆图像进行预处理、特征提取和模式识别等步骤来实现对车牌的自动识别。
近年来，随着计算机算力的提升和深度学习技术的快速发展，车牌识别技术已经取得了显著的进展。
目前，基于深度学习的车牌识别算法已经能够在复杂的场景下实现准确的车牌检测和识别。
因此，技术上实现车牌识别是可行的。
二、成本可行性在车牌识别系统的建设中，成本是一个重要的考虑因素。
成本包括硬件设备、软件开发和系统维护等方面。
硬件设备主要包括摄像头、服务器和存储设备等，其中服务器的性能对于系统的实时性和准确性有着重要的影响。
软件开发主要涉及算法研究、图像处理和数据库设计等。
系统维护则需要专业的技术人员进行日常维护和升级。
综上所述，车牌识别系统的建设和维护成本较高，但随着技术的发展和市场竞争的加剧，成本逐渐下降，因此成本可行性较高。
三、法律可行性车牌识别涉及到隐私保护和个人信息的处理，因此在法律层面上需要严格遵守相关规定。
根据《中华人民共和国道路交通安全法》和《公安部关于道路交通安全违法行为处理的规定》，车牌识别技术只能用于交通管理和违法行为监控等合法用途，不能用于其他非法用途。
此外，车牌识别系统需要保障个人信息的安全，并且明确规定信息的存储周期和使用范围。
因此，在法律规定的框架下合法使用车牌识别技术是可行的。
综上所述，从技术、成本和法律等方面分析，车牌识别具备良好的可行性。
随着技术的不断进步和成本的降低，车牌识别技术将在交通管理、安全监控等领域得到广泛应用。
然而，需要强调的是，车牌识别技术的使用应该严格遵守法律法规，并保护好个人信息的安全，确保合法、合规的使用环境。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
车牌识别系统需求分析文档车牌识别系统需求分析小组组长：****组员：****************目录1 引言 01.1编写目的 01.2背景 01.3定义 01.4参考资料 02 任务概述 (1)2.1目标 (1)2.2用户的特点 (1)2.3假定和约束 (1)3 用例分析(或数据流程分析) (2)3.1 系统Actor分析 (2)3.2 系统用例描述 (2)4 动态行为模型 (9)5 系统流程分析 (11)6 系统开发及运行环境规定 (14)7 小结 (15)1 引言1.1编写目的目的：文档编写详细的描述了整个车牌定位与识别的过程，能够帮助使用该系统的人员快速了解该系统的用法。
面向人员：需要利用车牌定位与识别系统进行机器学习的学生。
需要用车牌系统去识别车牌的交通警察“车牌定位与识别系统”管理员1.2背景系统名称:车牌定位与识别系统系统开发者:“车牌定位和识别系统”开发组。
该系统基于opencv2.4.8版本和Visual Studio2013开发。
依赖于opencv2.4.8 1.3定义SVM:支持向量机ANN:人工神经网络高斯模糊二值化灰度化Soble算子1.4参考资料《软件工程》Ian Sommerville著程成等译机械工业出版社《软件工程及应用》张斌、郭军主编东北大学出版社2 任务概述2.1目标通过视频图象的检测与识别,可以实时检测交通违章现象、识别违章车辆的车牌号码，为公安交通管理部门提供强有力的执法证据。
因此，研究交通图象检测与处理方法对智能交通运输系统的发展具有重要的推动作用。
本系统着力对车牌的识别过程进行研究和实现，最终能够识别出图片上的车牌信息。
此外，本系统涉及到机器学习的内容，因此可以供喜欢机器学习的学生进行学习。
2.2用户的特点该系统的目标用户为交通警察、学生和管理人员，对于交通警察和学生来说只需能熟练操作电脑即可，对于管理人员则需要掌握机器学习相关知识。
2.3假定和约束该系统在Windows系统下开发，但会受到经费、寿命、社会等因素限制，预计开发期限为1年，使用期限为5年以上。
3 用例分析(或数据流程分析)3.1 系统Actor分析通过系统分析，我们有以下三个Actor，包括研究生，交通警察和系统管理员。
（1）研究生想利用这个系统进行相关机器学习与计算机视觉研究的学生，他可以得到系统中支持向量机（SVM），人工神经网络(ANN)的训练参数，以便他自己进行研究。
他可以得到系统中间输出结果，经过图像处理的车牌矩形块作为数据来源进行学生自己的训练数据。
可以得到中间结果SVM判断出来的车牌区域，作为自己研究字符块处理的数据来源。
可以得到系统中间结果切割后的字符块处理，作为自己训练人工神经网络的输入数据来源。
（2）交通警察利用该系统进行平时交通中违规车辆车牌的自动检测。
可以根据监视器抓拍的图片进行批量导入系统，得到车辆车牌号信息进行存档。
也可以根据检测效果上传检测效果不好的图片给系统。
（3）系统管理员可以对系统中支持向量机和人工神经网络模型进行设置参数，便于得到好的训练效果。
可以对不同的环境图片进行不同的SVM和ANN训练，以便使系统有更好的鲁棒性。
系统管理员可以有权查看交通警察传来的图片进行重新训练模型用来改善效果。
3.2 系统用例描述列出所有用例及其用例描述：学生用例图如图3.1：图3.1 学生用例图（1）获取训练参数相关研究的学生通过该系统获取训练参数的过程。
用例说明如表3.1所示。
表3.1 获取训练参数用例说明用例名称获取训练参数用例描述主执行者触发条件后置条件基本事件流异常事件流获取SVM和ANN模型训练参数学生学生主动使用该系统学生得到SVM和ANN训练参数1.进入获取参数界面2.点击获取参数选型3.提交4.系统返回SVM和ANN训练参数获取参数数据错误（2）获取可能车牌区域当执行完颜色定位和sobel算子定位后，利用已经训练好的SVM模型可以得到原始图片中的车牌区域。
用例说明如表3.2所示。
表3.2 获取可能车牌区域用例说明用例名称获取可能车牌区域用例描述主执行者触发条件后置条件基本事件流异常事件流获取原始图片中可能车牌区域学生学生主动使用该系统得到一系列矩形区域1.学生进入获取车牌区域界面2.点击获取车牌区域选项3.提交获取车牌区域失败（3）获取切割后的字符块根据前面得到的矩形块进行形态学处理，分割成一系列字符块，作为学生训练自己神经网络的输入数，用例说明如表3.3所示。
表3.3 获取切割后的字符块用例说明用例名称获取切割后的字符块用例描述主执行者触发条件后置条件基本事件流异常事件根据形态学处理，分割成一系列字符块学生学生主动使用该系统得到一系列字符块数据1.学生进入获取字符块数据界面2.点击获取字符块数据选项3.提交获取字符块数据失败（3）获取车牌获取SVM模型检测出来的车牌，用例说明如表3.4所示。
表3.4 获取切割后的字符块用例说明用例名称获取车牌用例描述主执行者触发条件后置条件基本事件流异常事件获取SVM模型检测出来的车牌学生学生主动使用该系统得到一系列车牌数据1.学生进入获取车牌块界面2.点击获取车牌数据选项3.提交获取车牌数据失败交通警察用例图如图3.2：图3.2 交通警察用例图（1）识别车牌交通警察使用该系统进入识别车牌界面，获取每张图片中车牌号的具体信息进行后续处理，用例说明如表3.5所示。
表3.5 识别车牌用例图说明用例名称识别车牌用例描述主执行者触发条件后置条件得到图片中车牌的车牌号码交通警察交通警察主动使用该系统获取到的车牌号存入文件或数据库基本事件流异常事件1.交通警察进入识别车牌界面2.选取识别车牌选项3.提交SVM或者ANN模型训练出错（2）上传处理效果不良的图片根据系统识别车牌号与实际车牌号码进行比对，处理效果不好的图片上传给系统，用例说明如表3.6所示。
表3.6 获取切割后的字符块用例说明用例名称上传处理效果不良的图片用例描述主执行者触发条件后置条件基本事件流异常事件根据系统识别车牌号与实际车牌号码进行比对，处理效果不好的图片上传给系统交通警察交通警察主动使用该系统上传效果不良的图片1.交通警察进入上传图片界面2.点击上传图片选项3.提交识别车牌号码出错管理员用例图如图3.3：图3.3 管理员用例图（1）设置参数管理员通过设置参数，使得训练支持向量机和神经网络模型的参数最优，从而得到性能最优的模型，用例说明如表3.7所示。
表3.7 设置参数用例图说明用例名称设置参数用例描述主执行者触发条件后置条件基本事件流异常事件设置系统中机器学习模型的参数管理员管理员定期更新系统得到更新后的识别系统1.管理员进入设置参数界面2.选取设置参数选项3.提交参数设置错误，训练出错误的模型（2）得到图片管理员得到交通警察上传的图片，用例说明如表3.8所示。
表3.8 得到图片用例图说明用例名称得到图片用例描述主执行者触发条件后置条件基本事件流异常事件得到交通警察上传的图片管理员时间触发，管理员定期维护系统得到了交通警察上传的图片1.管理员进入获取图片界面2.选取获取图片选项3.提交无上传图片存在（3）训练模型管理员通过选取训练数据，调试最优参数，重新训练模型，用例说明如表3.9所示。
表3.9 训练模型用例图说明用例名称训练模型用例描述主执行者触发条件后置条件基本事件流异常事件重新训练SVM和ANN模型管理员管理员定期更新系统得到更新后的系统版本1.管理员进入识别训练模型界面2.选取训练模型选项3.提交训练数据错误，训练过程无法收敛。
4 动态行为模型(1)管理员操作时的状态变迁图如图4.1：图4.1 管理员操作时的状态变迁图（2）交通警察操作时的状态变迁图如图4.2：图4.2 交通警察操作时的状态变迁图（3）动态行为建模总体设计如图4.3：图4.3 行为建模总体设计5 系统流程分析（1） 车牌Soble 定位流程图如图5.1：开始对图像进行高斯模糊图像灰度化图像二值化图像闭操作取出可能的矩形轮廓是否还有更多轮廓对轮廓求外接矩形是矩形尺寸是否满足条件丢弃矩形否取矩形的偏斜角度是偏斜角度是否过大矩形旋转是统一尺寸输出结束否对图像进行Sobel 运算图5.1 车牌Soble 定位流程图（2）车牌颜色定位流程图如图5.2：开始对图片进行高斯模糊颜色模板匹配得到灰度图图像二值化图像闭操作取出可能的矩形轮廓是否还有更多轮廓否是对轮廓求外接矩形否矩形尺寸是否满足条件丢弃矩形是取矩形的偏斜角度偏斜角度是否过大是矩形旋转统一尺寸输出结束图5.2 车牌颜色定位流程图（3）字符分割流程图如图5.3：开始车牌图片灰度化颜色判断图片二值化取轮廓取外接矩形截取图块结束图5.3 字符分割流程图6 系统开发及运行环境规定系统运行的硬件环境如表6.1所示，软件开发平台如表6.2所示表6.1 系统运行硬件环境表环境配置CPU内存硬盘Intel(R) Core(TM) i5-4200M 2.50 GHz及以上4G500G操作系统Win 7或以上版本表6.2 软件开发平台表软件说明Visual Studio 2013 opencv 2.4.8系统开发平台图像处理函数库7 小结本系统属于核心工具，主要面向研究者、交通警察和系统本身的管理者。
其中研究者包过学生、老师等等研究人员，他们可以输入照片，然后从系统中获取各部分结果，用于训练自己的系统。
比如得到图像切割和抗扭斜后的结果，然后用于自己研究后续的图像分类，训练自己的SVM分类器。
而交通警察是属于普通的用户，不能得到系统的中间结果，只能做输入，并保存结果到数据库或者本地文件。
系统管理者可以修改SVM、ANN的系统参数，或者根据已有数据重新训练参数，还可以接收用户上传的处理效果不良的图片，作为后续系统改进的数据。
本系统除了上述的功能需求外，还包含了一些非功能性需求，包过可维护性，当软件运行发生错误时，能够快速、准确对其定位、诊断和修改恢复。
还有可复用性，该软件可以很容易的移植到各类车牌识别系统中，作为核心照片处理代码。