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。入口處的攝像頭采用智能傳感技術(shù)，快速記錄和識別車牌號碼并自動通過，為車主節(jié)省寶貴的時間。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(jié)果根據(jù)收斂點的不同可以把整個空間分成幾個區(qū)域。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。

車牌識別系統(tǒng)通過應用數(shù)字成像技術(shù)和計算機信息處理技術(shù)，采用合適的圖像處理、模式識別和人工智能技術(shù)，通過對圖像的采集和處理，獲得更準確的wei章車輛信息，從而達到更有效率的的車輛程度。

車牌自動識別系統(tǒng)產(chǎn)品的主要性能指標是識別率和識別速度，這兩個性能指標既可以表征一個車牌自動識別系統(tǒng)性能的好壞。車牌識別收費系統(tǒng)管理入口和出口車輛的權(quán)利和費用，并且根據(jù)車牌號碼授權(quán)固定車輛。但是因為攝像設備所拍到的圖像的清晰度不夠，也因為處理圖像的技術(shù)也不夠完善，所以車牌自動識別系統(tǒng)的識別率和識別速度一直未能大幅提高。因此，研究出高速準確的定位與識別算法是當前的主要任務。

當今社會，智能交通系統(tǒng)是道路交通的發(fā)展趨勢。字符識別的兩個重要點為字符特征提取和模式的匹配，該體系主要有以下幾種方式：一種方式是用字符的結(jié)構(gòu)特性及其變換進行特征提取，這種方式對于字符的傾斜以及字符的變形等等都有很高的兼容性，但它在運算過程中太復雜，且對計算機的性能要求很嚴格。繼續(xù)發(fā)展和不斷完善的可視化智能交通監(jiān)控系統(tǒng)，為實際應用車輛道路運輸基礎(chǔ)設施的管理系統(tǒng)奠定了良好的基礎(chǔ)。智能交通系統(tǒng)，車牌自動識別系統(tǒng)是發(fā)展的一個很重要的方向。車牌自動識別技術(shù)可應用于道路收費系統(tǒng)，交通管理系統(tǒng)領(lǐng)域，起到節(jié)省人力成本，提高工作效率，完善管理制度等。隨著汽車數(shù)量的迅速增加，車牌識別技術(shù)提出了巨大的經(jīng)濟價值和現(xiàn)實意義。

目前針對車牌識別系統(tǒng)的研究主要可分為基于嵌入式平臺和基于PC機平臺兩種研究方向。文章對計算機圖像處理、人工智能、模式識別等車牌識別的背景知識進行深入研究，摸索出了用數(shù)字圖像知識進行車牌識別的方法并重點研究，對在較為復雜的背景下的車牌定位、字符分割的車牌字符識別算法進行了重點研究，在識別上取得了良好效果。傳統(tǒng)的基于PC平臺的車牌識別系統(tǒng)除在在信息處理應用實時性方面難以滿足人們的日常需求， 同時，在網(wǎng)絡管理應用方面也存在帶寬的壓力，信息采集終端方面的成本也過高?？梢?，在實際交通管理應用中，基于PC機平臺的車牌識別系統(tǒng)具有很多限制與缺陷。鑒于傳統(tǒng)基于PC平臺的車牌識別系統(tǒng)存在的缺點和不足，本文提出了基于MCS-51單片機的車牌識別系統(tǒng)。