為了進行（háng）車牌識別，需要以下幾個基本的步驟：

1、 牌照定位，定位圖片中的牌照位置；

2、牌照（zhào）字（zì）符分割，把牌（pái）照中的字符分割出來；

3、牌照字符識（shí）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（shí）現，通常與車牌識別互相配合、互相驗證。

一、牌照定位

自然環境（jìng）下，汽車圖（tú）像背景複雜、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（bié）過程的關鍵（jiàn）。首先對采集到的視頻圖像進行大範（fàn）圍相關搜索，找到符合汽車牌照特征的若幹區域作為候選區，然後對這（zhè）些侯選區域做（zuò）進一步分析、評（píng）判，最後選定一個最（zuì）佳的區域作為牌照區域，並將其從圖像中（zhōng）分離出來。

二、牌（pái）照字符分割

完成牌照區域的定位（wèi）後，再將（jiāng）牌區域分割成單個字符，然後進行識別。字符分割一般采用垂直投影法。由於字符在垂直（zhí）方向上的投影必然在字符間或字符內（nèi）的間隙處取得局部（bù）最小值的附近，並且這個（gè）位置應滿足牌照的（de）字符（fú）書寫格式、字符、尺寸限製和一些其他條件。利用垂直（zhí）投影法對複雜環境下的汽車（chē）圖像中的字符分割有較好的效果。

三、 牌照字符識（shí）別方法（fǎ）

主要有基於末班匹配（pèi）算法和基於人工神經係算法。基於模板匹配（pèi）算法首（shǒu）先將分割後的字符二值化並將其尺（chǐ）寸大小（xiǎo）縮（suō）放為字符數據庫中模板的大小，然後與所有的模（mó）板進行匹配，選擇最佳匹（pǐ）配（pèi）作為結果。基（jī）於人工神（shén）經網（wǎng）絡的算法有兩種：一種是先對字（zì）符進行特征提取，然後用（yòng）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（wǎng）絡自動實現（xiàn）特征提取直至識別出結果。

實際應（yīng）用中，車牌識別係統的識別（bié）率還與牌照質量和拍攝質量密切相關。牌照質量會（huì）受到各種因素的影響，如生鏽、汙損、油（yóu）漆剝落、字體褪色、牌照被遮擋、牌照傾（qīng）斜、高亮反光（guāng）、多（duō）牌照、假牌照等等（děng）；實際拍（pāi）攝過程（chéng）也會受到環境亮度、拍攝方（fāng）式、車輛速（sù）度等等因素的影響（xiǎng）。這些影響因（yīn）素不同程（chéng）度上降低了車牌識別的識別率，也正是車牌識（shí）別（bié）係統的困難和挑戰所在。為了提高識別率，除了不斷地完善識（shí）別算（suàn）法還應該想辦法克服各種光照條件，使采集到的圖像最利（lì）於（yú）識別。