车牌识别技术要求能够从复杂的背景中提取并识别出运动的车辆车牌，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术识别出车牌号码、颜色等信息。

　　1、车牌定位，定位在图片中车牌位置;

　　2、车牌字符划分，车牌字符划分;

　　3、车牌字符识别、分割良好的字符识别、车牌号码合成。

　　在自动车牌识别过程中，车牌颜色的识别基于不同的算法，可以在上述不同的步骤中实现，通常与自动车牌识别相互配合和验证。

　　一、牌照定位

　　自然生态环境下，汽车图像数据背景以及复杂、光照不均匀，如何在自然发展背景中准确地确定牌照区域是整个企业识别研究过程的关键。首先对采集到的视频图像信息进行大范围相关知识搜索，找到自己符合我国汽车牌照特征的若干问题区域经济作为候选区，然后对这些侯选区域做进一步提高分析、评判，选定一个好的区域可以作为牌照区域，并将其从图像中分离出来。

　　二、牌照字符分割

　　完成牌照区域的定位后，再将牌照区域市场分割成单个字符，然后学生进行分析识别。字符分割方法一般可以采用不同垂直投影法。由于一个字符在垂直“497”的投影技术必然在字符间或字符内的间隙处取得局部小值的附近，并且通过这个社会位置应满足牌照的字符书写格式、字符、尺寸要求限制和一些企业其他经济条件。利用这些垂直投影法对复杂网络环境下的汽车使用图像中的字符分割有较好的效果。

　　三、车牌字符识别方法

　　主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择好的匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。

　　在实际应用中，车牌自动识别系统的识别率也与车牌质量和拍摄质量密切相关。牌照的质素会受多项因素影响，例如生锈、污损、油漆脱落、字体褪色、牌照被遮盖、牌照倾斜、「高亮」反射、多重牌照、虚假牌照等。实际拍摄过程还会受到环境亮度、拍摄方法、车速等因素的影响。这些因素降低了车牌自动识别的识别率，是车牌自动识别系统的难点和挑战。为了提高识别率，除了不断改进识别算法外，还应该找到克服各种光照条件的方法，使采集到的图像有利于识别。