常用的車(chē)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(xué)形態(tài)學(xué)的方法、基于小波變換的方法等。這些車(chē)牌定位方法，都各自具有不同的局限性。車(chē)牌識(shí)別系統(tǒng)的主要構(gòu)成分析目前相對(duì)多見(jiàn)的車(chē)牌識(shí)別系統(tǒng)核心為兩方面的基礎(chǔ)模塊，依次屬于對(duì)應(yīng)的數(shù)據(jù)采集以及識(shí)別軟件兩個(gè)方面，而后一類(lèi)還能夠再度進(jìn)行分割。使用Mean Shift算法進(jìn)行車(chē)牌定位可以獲得比較好的效果。對(duì)于圖像空間的所有像素點(diǎn)，在經(jīng)過(guò)Mean Shift算法迭代后，如果終收斂于同一點(diǎn)，則停止迭代。用同樣的方法對(duì)圖像空間中的所有像素點(diǎn)進(jìn)行迭代遍歷，得出的結(jié)果根據(jù)收斂點(diǎn)的不同可以把整個(gè)空間分成幾個(gè)區(qū)域。這些區(qū)域即為可能的車(chē)牌區(qū)域，再通過(guò)上述特征在可能的車(chē)牌區(qū)域中進(jìn)行對(duì)照分析，就可以得到車(chē)牌區(qū)域。

當(dāng)今社會(huì)，智能交通系統(tǒng)是道路交通的發(fā)展趨勢(shì)。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(shí)際應(yīng)用車(chē)輛道路運(yùn)輸基礎(chǔ)設(shè)施的管理系統(tǒng)奠定了良好的基礎(chǔ)。識(shí)別速度決定了一個(gè)車(chē)牌識(shí)別系統(tǒng)是否能夠滿(mǎn)足實(shí)時(shí)實(shí)際應(yīng)用的要求。智能交通系統(tǒng)，車(chē)牌自動(dòng)識(shí)別系統(tǒng)是發(fā)展的一個(gè)很重要的方向。車(chē)牌自動(dòng)識(shí)別技術(shù)可應(yīng)用于道路收費(fèi)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(chē)數(shù)量的迅速增加，車(chē)牌識(shí)別技術(shù)提出了巨大的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義。

車(chē)牌的組成在我國(guó)都是一樣的，由各地的省會(huì)簡(jiǎn)稱(chēng)、24 個(gè)英文字母以及10個(gè)阿拉伯?dāng)?shù)字組成的。但是，為了更好地管理停車(chē)場(chǎng)和停車(chē)難度，停車(chē)場(chǎng)系統(tǒng)不斷升級(jí)，功能也在不斷增加。本文采用識(shí)別方法是神經(jīng)網(wǎng)絡(luò)，通過(guò)構(gòu)造一個(gè)三層的神經(jīng)網(wǎng)絡(luò)對(duì)分割的字符進(jìn)行識(shí)別。字符識(shí)別的方法有很多，本文采用識(shí)別方法是神經(jīng)網(wǎng)絡(luò)，通過(guò)構(gòu)造一個(gè)三層的神經(jīng)網(wǎng)絡(luò)對(duì)分割的字符進(jìn)行識(shí)別。字符識(shí)別中對(duì)特征值的選取是非常重要的，特征值選取的好壞直接關(guān)系到識(shí)別的準(zhǔn)確度。