常用的車牌定位的方法有基于顏色的方法、基于紋理特征的方法、基于數(shù)學形態(tài)學的方法、基于小波變換的方法等。這些車牌定位方法，都各自具有不同的局限性。使用Mean Shift算法進行車牌定位可以獲得比較好的效果。對于圖像空間的所有像素點，在經(jīng)過Mean Shift算法迭代后，如果終收斂于同一點，則停止迭代。用同樣的方法對圖像空間中的所有像素點進行迭代遍歷，得出的結果根據(jù)收斂點的不同可以把整個空間分成幾個區(qū)域。多項式的此類函數(shù)所對應的參考數(shù)據(jù)比核函數(shù)多，所以對分類設備的工作提出了更高的要求。這些區(qū)域即為可能的車牌區(qū)域，再通過上述特征在可能的車牌區(qū)域中進行對照分析，就可以得到車牌區(qū)域。

車牌自動識別系統(tǒng)是值得深入研究的一個方向，它是當今智能交通管理技術研究的重要課題。車牌自動識別系統(tǒng)借助計算機這一媒介對系統(tǒng)的交通圖像進行處理、分析和識別，從而得到汽車車牌的信息。就之前發(fā)展局勢來看，該文研究的車牌自動識別系統(tǒng)對于當今交通發(fā)展很重要。事實上，在社區(qū)中實施車牌識別系統(tǒng)所帶來的巨大好處是：在通勤高峰時段沒有必要排隊等待ka進入和離開社區(qū)才能真正實現(xiàn)順暢的訪問流程。圖像的采集、圖像預處理、車牌定位、字符分割和字符識別是車牌識別系統(tǒng)的五大環(huán)節(jié)也是該文研究的重點。

其次，車牌識別系統(tǒng)的識別速度也很關鍵。識別速度決定了一個車牌識別系統(tǒng)是否能夠滿足實時實際應用的要求。一個識別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識別出結果，那么這個系統(tǒng)就會因為滿足不了實際應用中的實時要求而毫無實用意義。進入現(xiàn)場識別車牌后，它會自動進入，并在車牌出現(xiàn)后，將根據(jù)進出時間收費。例如，在高速公路收費中車牌識別應用的作用之一是減少通行時間，速度是這一類應用里減少通行時間、避免車道堵車的有力保障。