车牌识别中倾斜牌照快速矫正
车牌识别中的倾斜车牌校正算法
车牌识别中的倾斜车牌校正算法
车牌识别是现代交通管理中不可或缺的技术之一。
然而，在实际应用过程中，会遇到一些车牌倾斜的情况，导致车牌识别率下降。
因此，研究车牌倾斜校正算法对车牌识别具有重要意义。
车牌识别中的倾斜车牌校正算法是针对车牌图像中出现的倾斜问题进行修正的算法。
它是通过对车牌图像进行预处理，将车牌图像进行倾斜校正，使得车牌上的字符垂直排列，以便于后续的字符识别。
在倾斜校正的过程中，常见的算法有基于角度旋转的算法、基于投影的算法、基于边缘的算法等等。
其中，基于角度旋转的算法是较为常见的一种方法。
它通过计算车牌的倾斜角度，然后进行图像的旋转，使得车牌上的字符垂直排列。
而基于投影的算法则是利用车牌上的字符进行投影，通过寻找字符的最小外接矩形，进而对图像进行校正。
基于边缘的算法则是利用车牌的边缘信息，进行边缘检测和霍夫变换，来计算车牌的倾斜角度，从而实现倾斜校正。
总的来说，车牌识别中的倾斜车牌校正算法是车牌识别技术中重要的一环。
通过对车牌图像进行倾斜校正，能够有效提高车牌识别的准确率和稳定性。
一种改进的Radon倾斜校正方法
■ 生 ■ ■ ■ ■ ■ ■ ■ ■ ■ ｌ ■ ｎ 变
蕾 ●● ｌ ■Ｉ ■■ｌ
越■ Ｉ ｌ
■■■■■量Ｉ
■■ ■■■誓Ｉ
由
角
Ｉ
Ｃ－ 。－ － － － － ｌ
１ １ 『 ＼ ， ．
＼
图 ５ 水 平垂 直 倾 斜
■ —噩 量 ■ 曩 鹰
■ ■■ ●● Ｉ ●■Ｉ ＩＩ ．
法 中最佳倾 斜 角度 的求取 是 一 个 寻优 过 程 ， 要 进 行 多 次 投影 才 能 逐 步逼 近最 佳倾 斜 角 度 。该 方 法 利用
Ｒ ａ ｄ ｏ ｎ变换求取车牌的水平和垂直倾斜角度 ， 无需二值化图像 ， 也不必旋转 图像。大量实验表明， 该方 法简 单实 用 ， 对光 照不 敏感 ， 抗 干扰能 力强 ， 并 且对 于 畸变 的车 牌也 有较好 的矫 正效果 。
第３ ３卷
第 ６期
大 庆 师 范 学 院 学报
Ｊ Ｏ Ｕ Ｒ Ｎ Ａ Ｌ Ｏ Ｆ Ｄ Ａ Ｑ Ｉ Ｎ Ｇ Ｎ Ｏ Ｒ ＭＡ Ｌ Ｕ Ｎ Ｉ Ｖ Ｅ Ｒ Ｓ Ｉ Ｔ Ｙ
Ｖｏ １ ． ３ ３ Ｎ ｏ ． ６ Ｎ ｏ ｖ ｅ ｍｂ ｅ ｒ ． ２ ０ １ ３
２ ０ １ ３年 １ １ 月
０ 引 言
随着 机动 车逐渐 增多 ， 车牌 自动 识别 （ Ａ Ｌ Ｐ Ｒ） 已经 成 为研 究 的热 门。车 牌识 别 的关键 技 术 包 括 获取 图像 、 车牌 区域定 位 、 字符 分割 以及字 符识别 。其 中 ， 车牌 校正 是 车牌 定位 和 字符 分 割 之 间 的一 个 重 要处 理过 程 。车牌 自动识 别 系统 的摄 像头 总是 固定 在一个 位置 。这样 就难 免会有 角度 倾斜 的问题 。尤 其在对 闯红 灯进行 记 录的 时候 ， 如 果摄像 机 的铁杆 不能 达到 马路 中央 ， 定 位 出的车牌 由于倾斜导 致精 确度 不高 。 目前 的车牌 倾斜 校正方 法 主要 有 ： １ ） Ｈ ｏ ｕ ｇ ｈ变换 法 … 。通 过 Ｈ ｏ ｕ ｇ ｈ变换 求 取 车 牌 的边 框 ， 进 而 确定 车牌 的倾斜 角 ， 或者 由 Ｈ ｏ ｕ ｇ ｈ变换 提取 牌照边 框参 数后 ， 再求 解牌 照 区域 ４个 顶 点 的坐 标 ， 然 后通 过 双线 性空 间变换 对 畸变 图像进行 校 正 。但 因噪 声 、 污 迹 等 干扰 ， 车牌 的边框 常 常并 不 明显 ， 甚 至 看 不 到边 框 。 另外 ， 由于 二值化 等 原 因 ， 车牌上 字符 会有粘 连 和断裂 现象 ， 使 Ｈｏ ｕ ｇ ｈ变换 后 的参 数 空 间 中的峰值 过 于分
几种车牌图像倾斜角度矫正算法
几种车牌图像倾斜角度矫正算法在车牌识别领域中，图像的倾斜会对识别效果造成一定影响，因此对车牌图像进行倾斜矫正至关重要。
下面将介绍几种常见的车牌图像倾斜角度矫正算法。
1. 直线检测法直线检测法是一种常见的图像倾斜矫正方法，其基本思路是通过Hough变换检测车牌上的直线，然后根据检测到的直线的斜率来计算车牌的倾斜角度，最后对车牌进行旋转矫正。
使用直线检测法进行倾斜角度矫正的优点是算法简单易懂，适用于各种类型的车牌图像。
但是，由于车牌图像中存在干扰线条等因素，因此直线检测的准确性受到限制。
同时，该方法也存在计算量较大的问题。
2. 边缘检测法边缘检测法是一种常见的图像处理方法，在车牌图像倾斜矫正中也有广泛的应用。
该方法的基本思路是，通过边缘检测算法检测车牌图像的边缘，进而计算出车牌的倾斜角度。
最后对车牌进行旋转变换矫正。
与直线检测法相比，边缘检测法计算量较小，因此运行速度较快。
但是，由于车牌图像中存在噪点等因素，因此该方法的准确性也存在一定的局限。
3. 预处理法预处理法是一种非常有效的车牌图像倾斜矫正方法。
该方法的基本思路是，通过图像预处理算法对车牌图像进行处理，得到车牌上的字符或特征信息，进而计算出车牌的倾斜角度。
最后对车牌进行旋转矫正。
相比于直线检测法和边缘检测法，预处理法更加准确有效。
但是，该方法需要对车牌图像进行预处理，因此算法复杂度较高。
4. 模板匹配法模板匹配法是一种基于模板匹配的车牌图像倾斜矫正方法。
该方法的基本思路是，利用车牌模板进行匹配，找出车牌上的特征区域，进而计算出车牌的倾斜角度。
最后对车牌进行旋转矫正。
由于车牌模板具有良好的特征性，因此该方法对车牌图像的倾斜角度矫正具有很好的效果。
但是，由于模板匹配过程中需要对车牌模板进行匹配，因此算法复杂度较高。
同时，该方法也需要预先准备车牌模板，对通用性存在一定的限制。
结论以上介绍了几种常见的车牌图像倾斜角度矫正方法，每种算法都各有优缺点，应根据实际情况选择合适的算法。
车牌识别中的倾斜车牌校正算法
整数坐标之间的一个 小数坐标 ， 如图 ２ 所示。要想得到校正后 图像像 － ２ 元（， 的灰度值 ， ｘｙ ２ 就必须 对校 正前图像 中的坐标 ｘＹ进 行图像插值 运 ） 算， 图像插值是用（， 周围坐标点 的灰度值通过某种计算得到坐标 （ Ｙ ｘｙ Ｄ ｘ ） 的近似灰度值 ， 将该近似灰度 值作为校正后 图像 中像元 ｘｙ 的灰 度 并 ：２ ，）
２相 关 技 术 介 绍 ．
＼
口 ＸＣ Ｓ￣＋ｙｓｎ Ｏ ｉ
２１ ａ ｎ 算法 ．Ｃ ｎ ｙ 图像 中的背景像 素和 目标像素表现为灰度值过 渡比较平缓 ，像素 之 间的灰度值 差别很 小 ， 如果像 素之间存在 了阶跃变化 ， 则该像素值在 外 表现为图像 的边缘像 素。像素之间 的这种变化 可以抽 象成数学理论 中的导数 运算 ， 根据计算像 素之间的导数判定该像 素点 是否为边缘像 素点。 判定边缘可通过计算该像素 的边缘强度与边缘方 向。 同学者针 不 对 不同的实际运 用需求 ， 出了不 同的算子用 于提取 图像 中的边缘 。 提 其 中最著名 而且运用较 多的是 Ｃ ｎ ｙ ａ ｎ 算子。 ａ ｎ 算子检测边缘的方法是 Ｃｎ ｙ
图 ２１ ．直线表示图 ２ 逐个检测图像 的 目 ） 标像素 （ Ｙ （ 景点 ）为每一个 ０ ｘ ） 前 ， 的离散值 ０ 计算 ｒ ｘｃｓ０ｙ ｉ０， ｏ ｏ ｌ ０＋ ｌｎ ｏ在相应 的累加器 Ａｒ ） ＝ ｏ ｓ （ｅ上加 １ ， 。 ３ 在累加器 ａ ｒ ） ） （０ ， 中找到最大值 Ａ ｒｏ ， ｒ （，）则 ｈ 代表 了图像 中最 长 ｈｈ ， ０ 的一个直线。然后把该 直线转化为直角坐标 的直线 。 ２ ３仿射变换 获取图像的倾斜角度后 ，接着通过仿射变换把图像旋转一定 的角 度对车牌图像 进一步校正。 一般来说 ， 车牌 图像旋转后还需要 进行插值 处理 ， 因为车牌图像旋转后 不一定 能在原始图像 中找到相应的点。 于 对 校正后新图像中的每一个像元 ｘ，１根据空间变换 函数 ， 以得 到它 在 ２ ｖ， 可 校正前图像上的坐标 位置（，． 这个坐标往往不是整数 ， ｘｙ 。 。） 而是位于四个
基于Radon变换的倾斜车牌图像角度检测与校正
第 29卷第 2期 2008年 2月微 计 算 机 应 用M ICROC OM P U TER APPL IC A T I ON SVol 129 No 12Feb 12008基于 Radon 变换的倾斜车牌图像角度检测与校正3孙东卫 朱程辉(1新疆轻工职业技术学院 乌鲁木齐 8300212合肥工业大学电气与自动化工程学院合肥 230009)摘要 :倾斜车牌图像的校正对于后续车牌图像的分割与识别具有很大的影响 。
本文提出一种基于 Radon 变换来估计倾斜角 度的方法 ,并对之实行分步校正 ,最后应用数学形态学的方法对图像进行平滑处理 。
关键词 :垂直投影 角度检测 倾斜校正 形态学Skew Angle D etection of the Veh icle L icen se P la te Image andCorrect Ba sed on Radon Tran sforma tion 3SUN Dongwei 1, ZHU Chenghu i 2(1 Xinjiang L ight Indu s trial of Professional Techno l ogy,W ul um u qi830021, China, 2 School ofElectrical and Autom ation Engineering, Hefei University of Techno l ogy, Hefei, 230009, China )Abstract: Correction of the skew vehicle license p late is very substantial to the license p late i m ages segm entation and recognition 1 I n this paper, we p resent a method based on Radon transfo rmation, which can estim ate the skew angle by seeking the fram e of the license p late, and then we also p ropose a method to rectify the traffic p late with tw o step s 1Eventually, the mathem atical mo rpho logic p roce 2 d u res are used to smooth the image 1Keywords:Vertical p rojection, Angle detection, S kew correction, Morphology车牌自动识别系统一般由车牌图像预处理 、车牌定位分割 、字符分割 、车牌识别等几部分组成 ,其中车牌字符定位分割的效果是影响车牌准确识别的关键 。
车牌倾斜校正的方法
车牌倾斜校正的方法
车牌要是倾斜了，可有点小麻烦呢。
咱得想办法把它校正过来呀。
有一种简单的办法是利用图像编辑软件。
如果是那种不是特别严重的倾斜，像在电脑上用Photoshop。
你打开有车牌图像的文件后，在菜单里找那个“自由变换”的功能，通常是快捷键Ctrl+T（Windows系统哦）。
这时候图片四周就会出现小方块，你就可以用鼠标拖动这些小方块来调整车牌的角度啦。
就像摆弄小玩具一样，把车牌摆到正正的位置。
不过这个得有点耐心，慢慢调整，可别一下子调过头咯。
还有呀，如果是想通过编程来校正车牌倾斜，那对于懂代码的小伙伴来说也不难。
比如说用Python语言和OpenCV库。
先把车牌图像读进去，然后通过一些算法来检测车牌的边缘。
检测到边缘之后呢，就可以根据边缘的角度来计算出车牌倾斜的角度啦。
再用旋转函数把车牌旋转到正确的角度。
这就像是给车牌做了一场精确的手术，让它“站”得笔直。
不过这对编程小白来说可能有点难，得花点时间去学习那些代码和算法呢。
要是不想这么复杂，还有一些专门的车牌识别软件本身就带有校正功能。
你只要把有倾斜车牌的图像或者视频导入到这个软件里，它就能自动把车牌校正过来，然后识别出车牌号码。
这就像是请了个小助手，它特别聪明，一下子就把问题解决了。
不管用哪种方法，校正车牌倾斜都是为了能更好地识别车牌，或者让车牌看起来更规范。
就像我们整理自己的仪容仪表一样，车牌也得整整齐齐的呢。
所以呀，要是遇到车牌倾斜的情况，别发愁，这么多办法总能找到适合你的那个小妙招。
车牌倾斜矫正实验报告
车牌倾斜矫正实验报告一、实验目的本次实验旨在通过图像处理技术对倾斜的车牌进行矫正，以提高车牌识别的准确性和稳定性，进而提升交通管理和安全监控等领域的效率。
二、实验原理车牌倾斜矫正是基于图像处理技术，主要使用了以下步骤：1. 车牌检测：采用目标检测算法，例如Haar特征分类器或卷积神经网络(CNN)，对车牌进行定位和识别。
2. 角度计算：通过对车牌边缘进行霍夫变换，计算车牌倾斜的角度。
3. 矫正变换：根据计算得到的角度，进行透视变换或仿射变换，将倾斜的车牌矫正为水平状态。
三、实验步骤1. 数据准备：收集包含倾斜车牌的图像数据集，数据集应包含多个角度的倾斜情况。
2. 车牌检测：使用已训练好的车牌检测模型对图像进行检测和定位，得到车牌区域的位置信息。
3. 角度计算：使用霍夫变换算法对车牌边缘进行检测，通过统计霍夫空间中的峰值，计算车牌的倾斜角度。
4. 矫正变换：根据计算得到的角度，进行透视变换或仿射变换，将倾斜的车牌矫正为水平状态。
5. 实验评估：对矫正后的车牌进行评估，包括正确率、稳定性和处理速度等指标。
四、实验结果经过多次实验与调优，得到如下实验结果：1. 车牌检测：成功检测出倾斜车牌区域，定位准确率达到90%以上。
2. 角度计算：通过霍夫变换计算得到的车牌倾斜角度与实际角度之间的误差小于0.5。
3. 矫正效果：经过透视变换或仿射变换后，倾斜车牌被成功矫正为水平状态，矫正后车牌清晰可见。
4. 实验评估：矫正后的车牌在正确率、稳定性和处理速度等指标上均有所提升，与未矫正状态相比有明显改善。
五、实验总结与展望本次实验通过图像处理技术对倾斜的车牌进行矫正，取得了较好的效果。
然而，仍存在一些问题需要进一步研究和改进：1. 复杂背景下的车牌检测：当车牌与复杂背景相似时，检测算法容易出现误判，需要对算法进行优化。
2. 矫正后车牌的清晰度：在一些特殊场景下，矫正后的车牌仍可能存在模糊或失真的情况，需要进一步改进变换算法。
倒立看车牌的解法-概述说明以及解释
倒立看车牌的解法-概述说明以及解释1.引言1.1 概述在现代社会中，尤其是在城市中，我们常常会遇到一个问题：当我们走在街上或驾驶车辆时，有时候会遇到一些高挂在墙上或悬挂在汽车后部的车牌，由于角度或位置的原因，我们无法直接看清车牌号码。
这种情况给我们带来了一定的困扰，而且可能会影响我们的行车安全。
为了解决这个问题，我们可以使用一种简单而有效的方法，即倒立看车牌。
这种方法不仅可以帮助我们轻松地识别车牌号码，还能够提高我们的交通安全意识。
在这篇文章中，我们将深入探讨倒立看车牌的解法，介绍其原理和应用场景，希望能够帮助大家更好地处理类似的问题。
通过这种方法，我们可以更加方便地获取车牌信息，从而更好地维护我们自身和他人的安全。
1.2 文章结构:本文主要分为三个部分，分别是引言、正文和结论。
在引言部分中，我们将简要概述倒立看车牌的问题及其背景，介绍本文的结构和目的。
在正文部分中，我们将详细描述倒立看车牌的问题，探讨解决方法，以及介绍该方法在不同应用场景下的具体应用。
最后，在结论部分，我们将对本文进行总结，强调倒立看车牌解法的重要性，并展望未来该方法的发展前景。
1.3 目的:本文旨在探讨倒立看车牌这一问题的解法，为读者提供有效的方法和技巧。
通过深入分析问题的本质和现实需求，我们将介绍如何利用现有技术和工具来解决这一挑战。
此外，我们还将探讨倒立看车牌的应用场景，展示其在实际生活中的重要性和实用性。
最终，我们希望读者能够从本文中获取启发，深入思考并应用所学知识，为解决实际问题提供新的思路和方法。
2.正文2.1 问题描述：在日常生活中，我们经常会遇到这样的情况：当我们停在马路边或者行驶在道路上时，有时候会发现前方的车牌是倒立的，这给我们阅读车牌上的信息带来了困难。
尤其是在一些紧急情况下，需要及时识别前方车辆的信息时，倒立的车牌可能会造成一些不便。
因此，我们需要找到一种解决方法来应对倒立车牌的问题，以便能够更方便地获取车辆信息，确保道路安全和交通正常运行。
- 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)。
编号本科毕业设计车牌识别中倾斜牌照快速矫正方法的设计与实现The Design and Realization of a Fast Algorithm for LicensePlate Orientation Correction学生姓名向荣龙专业通信工程学号040421110指导教师孙俊喜学院电子信息工程学院2008 年6月摘要随着计算机性能的提高和计算机视觉技术的发展，车牌自动识别技术已经日趋成熟，系统日趋完善。
但是应用到实际中却仍然存在一些问题。
例如，在车辆牌照自动识别（LPR）过程中，车牌图像的倾斜会给下一步字符切分和识别带来困难。
利用传统的Hough变换进行倾斜矫正的运算量很大，本文提出采用轮廓跟踪方法去除牌照图像中和矫正无关的所有冗余信息并采用分级检测的策略，在最大程度上减少矫正过程的运算量。
实验结果表明，该方法可以准确地检测出车牌的倾斜角度，同时矫正速度比传统Hough变换方法提高10倍左右。
关键词：车牌识别倾斜矫正轮廓跟踪Hough变换分级检测AbstractAlong with the computation and the performance enhancement and the vision technology development of the computer, the technology of car license plate recognition was already mature day by day, the system was consummated day by day. But there still has some problems when it is applied in actual aspects. For example, in real-world License Plate Recognition (LPR), the plate tilt not only results in difficulties in character segmentation but also causes adverse impact to the final recognition rate. A direct use of the Hough transform is computationally very expensive. To overcome this difficulty, This paper presents two novel methods: one is to use the contour tracing algorithm to get rid of unrelated image regions to save computation; and the other is to use a hierarchical searching strategy in the Hough transform to gain further speedup. To demonstrate the effectiveness of the proposed algorithm, it conducts extensive experiments over a large number of real-world vehicle license plates. It reports a 10-time speed improvement.Key words：License Plate Recognition License Plate Orientation Correction Contour Tracing Hough Transform Hierarchical search目录第一章绪论 (1)1.1汽车牌照识别技术概述 (1)1.2车牌识别系统简介 (3)1.3本文主要研究内容以及结构安排 (5)第二章Visual C++6.0 编程基础 (6)2.1Visual C++6.0简介 (6)2.2菜单和对话框的创建方法 (6)2.3BMP图像的读写显示 (11)第三章车牌图像预处理 (15)3.1图像灰度化 (15)3.2二值化 (16)3.3车牌图像的锐化 (18)3.4图像滤波 (19)第四章车牌图像倾斜矫正原理 (22)4.1概述 (22)4.2车牌图像倾斜矫正算法设计 (24)第五章全文总结 (30)5.1本文所做的主要工作 (30)5.2不足之处 (30)参考文献 (31)致谢 (32)第一章绪论1.1 汽车牌照识别技术概述近二三十年以来，世界各国的汽车数量迅速增加，致使公路交通负担愈来愈重，因而引起了许多国家中央或地方政府对公路交通自动控制与管理的重视，“埋藏式磁回路系统、电视录像记录系统”等曾被广泛用于这一目的，但这类系统却难以胜任像事故检测、汽车跟踪和牌照识别这样一些较为复杂的任务，或者由于系统笨重庞大，灵活性差，工作量又十分巨大而难以投入使用。
计算机视觉系统的出现则为此提供了一个潜在的、强有力的且又十分灵活的工具。
随着科学技术的不断发展，交通管理手段正从人工管理逐步转变成自动或半自动方式，既避免了由于人工干预所带来的弊端，同时又能大大提高工作效率。
目前，许多研究人员正在从事车辆自动识别系统（Automatic Vehicle Identification System, A VIS）方面的研究。
车辆自动识别（A VIS）技术是智能交通系统（ITS）的一个重要组成部分，它是指识别车辆所有的车牌、条形码或射频识别标志等特征来自动识别车辆的技术，在现在交通监控及管理中发挥着重要的作用。
车辆牌照是车辆的“身份证”号码，在交通系统中有着不可替代的作用。
通过它可以检索车辆的各项重要信息，记录车辆的违章或用于收费等信息，若能用计算机实时地识别车牌，就可以在无需为车辆加装其它特殊装置的情况下实现对车辆的自动监测，从而给交通系统的自动管理提供的极大的方便，因此车辆牌照自动识别系统的实现是推进交通管理计算机化的关键技术之一。
本章介绍了课题的研究背景以及车辆牌照识别系统的发展现状，另外介绍了本论文的主要研究内容及结构安排。
1.1.1研究背景随着我国经济的发展，车辆拥有量及交通出行量猛增，事故、违章逃逸、以机动车为工具流窜作案的快速侦破查处，成了我国公安交通管理部门的一大难题。
全面实行对城市主要出入口及关键道路、交叉口的连续监控，是解决这一难题、打击犯罪行之有效的方法。
采用车辆自动识别技术，做到自动识别、快速处理、报警，是及时快速侦破这类案件的强有力的技术手段，并能降低人工判别的误漏以及劳动强度。
另外现代社会已经进入信息时代，随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到热切的重视。
而且随着我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统（ITS）已经成为当前交通管理发展的主要方向，而车牌识别(LPR)技术作为智能交通系统的核心，起着举足轻重的作用，它在高速公路、城市道路和停车场等项目管理中占有无可取代的重要地位。
我国从70年代开始在传统的交通运输和管理中应用了电子信息技术，随着社会的发展与进步，我国道路在未来20年内仍然处于建设阶段，这期间正是智能交通系统在全世界进入全面实施的阶段，因此我国需要根据公路交通的实际需要探讨在我国公路网中应用智能交通系统来提高交通效率，保障安全和保护环境。
1.1.2国内外研究现状智能交通系统（ITS）是近20年来新兴起的一个跨学科的、系统化的综合研究体系，是以解决交通拥挤问题和高速公路多发事故问题而产生的。
其目的是在不扩张路网规模的前提下，通过综合运用现代信息技术与通信技术等，来提高交通路网的通行能力和交通运输能力。
国外高速公路和汽车发展较早，因此车辆号牌的识别系统应用得比较早也比较多，并且这些公司近几年发展也很快，比较有代表性的有PERCEOTICS，现在美国几个大城市（如纽约）都是使用它的系统。
据报道该系统白天的识别率为90％，夜间为83％。
早在1987年日本就有一套叫“N SYSTEM”的车辆号牌的识别系统在日本几条著名的高速公路投入使用，其主要作用是帮助警方检查车辆，据报道其白天的识别率为82%，夜间为67％。
另外，西班牙、匈牙利和以色列等国家都有该方面很优秀的公司。
国内也有多家单位在进行这方面的研究，如西安交大有基于视频的车辆号牌识别系统；西安西北工业大学开发了一套基于OCR的车辆号牌的识别系统；浙江大学的字符识别算法据报道单字符识别率达到97％，由此折算出整车牌识别正确率约为79％,其算法是基于矩与小波，计算量太大；浙江大学人工智能也推出了一套车辆号牌的识别系统，据报道其号牌定位正确率为94％；同济大学关于车辆号牌自动定位分割算法的成功率据报道为90%；上海交大叶晨洲[ 1 ]研制的车辆号牌的识别系统据报道汉字、数字和字母的识别率都大于96％，车辆号牌的识别率为82%。
但是目前还未见过完全的识别率和识别正确率的报道。
另外国内有多家公司与国外的公司合作，引进了国外的优秀算法，例如无锡的大卫公司引进的以色列公司的算法，设计的车辆号牌的识别系统识别率为85%，但无法识别汉字。
综上所述，当今世界先进水平的车辆号牌识别系统在正常环境下的识别率为95%左右，识别正确率为90%左右，没有完全的识别率和识别正确率报道，所以车辆牌照识别还有待进一步的研究。
1.1.3汽车牌照识别技术的发展趋势及应用前景目前，从整个社会的应用效果来看，汽车牌照自动识别技术的主要问题是识别速度和识别的准确率，因此，高速识别和高识别率是牌照识别系统的发展趋势，这两个指标决定了车辆牌照识别系统是否具有实用价值，而影响这些指标的主要因素除了系统的硬件外，就是识别的相关算法。
所以，如何在不增加硬件的投资成本的基础下，采用优化的算法组合来得到系统的高可靠性，即提高车型车牌的识别率和识别速度[ 2 ]成为这一领域的主要研究方向。
在智能交通信息系统快速发展的今天，车牌识别技术占有非常重要的位置，车牌识别技术的推广和普及，必将在城市道路管理、减少交通事故和车辆被盗案件的发生以及保障社会稳定等方面产生重大而深远的影响。
其应用领域主要有以下几个方面：1．高速公路收费、监控管理如果车牌识别系统得到应用，首先可以应用到高速公路收费管理上。
它可以使车辆在进入或驶出高速公路时不必停车即可实现收费管理，从而提高工作效率。