車輛檢測可采用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等方式進行。視頻檢測可避免損壞道路，無需附加外部檢測設備，無需糾正觸發位置，節省費用，更適合移動和便攜式應用的要求。

視頻車輛檢測系統需要高處理速度，采用優秀算法，實現圖像采集和處理，基本不丟幀。如果處理速度慢，會導致幀丟失，使系統無法檢測到行駛速度快的車輛，難以保證在有利于識別的位置開始識別處理，影響系統識別率。因此，視頻車輛檢測車牌自動識別與一定的技術難度相結合：基本車牌識別需要以下步驟：
1) 牌照定位，定位圖片中的牌照位置；

2) 牌照字符分割，把牌照中的字符分割出來；

3) 牌照字符識別，把分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，可能在上述不同步驟實現，通常與車牌識別互相配合、互相驗證。

1) 牌照定位

自然環境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中準確地確定牌照區域是整個識別過程的關鍵。首先對采集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特征的若干區域作為候選區，然后對這些侯選區域做進一步分析、評判，最后選定一個最佳的區域作為牌照區域，并將其從圖像中分離出來。

2) 牌照字符分割

完成牌照區域的定位后，再將牌照區域分割成單個字符，然后進行識別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內的間隙處取得局部最小值的附近，并且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復雜環境下的汽車圖像中的字符分割有較好的效果。

3) 牌照字符識別方法主要有基于模板匹配算法和基于人工神經網絡算法。基于模板匹配算法首先將分割后的字符二值化并將其尺寸大小縮放為字符數據庫中模板的大小，然后與所有的模板進行匹配，選擇最佳匹配作為結果。基于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，然后用所獲得特征來訓練神經網絡分配器；另一種方法是直接把圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。

實際應用中，車牌識別系統的識別率還與牌照質量和拍攝質量密切相關。牌照質量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、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、車輛速度等等因素的影響。這些影響因素不同程度上降低了車牌識別的識別率，也正是車牌識別系統的困難和挑戰所在。為了提高識別率，除了不斷地完善識別算法還應該想辦法克服各種光照條件，使采集到的圖像最利于識別。

銳方達科技的車牌識別系統隨著客戶的需求不斷的升級著自己的產品技術，目前已經能夠適應不用的使用環境，歡迎對車牌識別系統有需要的朋友可以關注銳方達科技官網：http://www.hdlzb.com/