車牌定位是車牌識別系統(tǒng)的基礎，其定位的準確與否直接影響到車牌的字符分割和識別效果，是影響整個車牌識別系統(tǒng)識別率的主要因素。6、監(jiān)控畫面(底部傾斜度)：盡量保持車牌寬度與水平平行，蕞大不超過15度。車牌定位，即運用數(shù)字圖像處理、模式識別、人工智能等技術對采集到的汽車圖像進行處理，從而準確地獲得圖像中的車牌區(qū)域，其輸入是原始的汽車圖像，輸出是車牌圖像。在現(xiàn)實車牌識別系統(tǒng)中，由于光照不均勻、背景的復雜性等原因，造成準確定位出車牌的難度較大。目前，根據(jù)車牌的特征，常見的車牌定位方法有基于車牌顏色特征信息的定位法、基于車牌區(qū)域頻譜特征的定位法、基于分類器的車牌定位法、基于車牌邊緣特征的車牌定位法等，這些方法各有所長。值得注意的是，車牌定位算法的分類并不是唯1的，區(qū)別算法類別的標準并不十分明確。車牌定位算法的方法多種多樣、各有所長，但存在著計算量大或者定位準確率不高等問題。

車牌定位是車牌識別的關鍵步驟，為了能在復雜背景和不均勻光照條件下快速準確定位車牌位置，基于改進Isotropic Sobel邊緣檢測算子的車牌定位算法，由此來解決其存在的問題，該算法通過改進Isotropic Sobel邊緣檢測算子，實現(xiàn)了車牌圖像在水平、垂直以及對角線方向上的紋理特征提取，然后采用Otsu算法閾值化，再對閾值化后的二值圖像做數(shù)學形態(tài)學來運算得到車牌的候選區(qū)域，后利用車牌特征去除偽車牌。車牌系統(tǒng)完全摒棄了以往的算法思路，實現(xiàn)了一種完全基于學習的多種特征融合的車牌定位新算法，適用于各種復雜的背景環(huán)境和不同的攝像角度。

車牌識別技術必須“因地制宜”

由于每個應用場景都對車牌識別技術提出不同要求，因此車牌識別技術必須“因地制宜”突出相應優(yōu)勢，才能充分體現(xiàn)其應用價值。a、將一個攝像機網(wǎng)線接入交換機，另一個像機暫不接入，因為像機出廠默認IP是192。以停車場為例，車牌識別技術主要應用于車輛自動管理，自動計時收費，自動計算可用車位數(shù)量并給出提示，自動判別駛?cè)胲囕v是否屬于會員等方面的智能化管理。

而與其他應用場景相比，停車場的識別環(huán)境具有識別角度大、單車通行、車速慢、燈光環(huán)境可控等特點，同時還要實現(xiàn)自動計時收費功能，這些都對車牌識別系統(tǒng)的識別率提出更高要求。邊緣檢測的方法是考察圖像的像素在某個領域內(nèi)灰度的變化情況，標識數(shù)字圖像中亮度變化明顯的點。不僅要識別正常環(huán)境下的任何一個車牌號，而且在極端環(huán)境下的車牌識別率也蕞好達到95%以上，而這種對高識別率顯然讓很多車牌識別系統(tǒng)望塵莫及。

資料顯示，車牌識別技術早應用于電子警察、高速公路領域。近幾年，隨著停車場管理系統(tǒng)的不斷發(fā)展，車牌識別技術也開始應用于停車場。

車牌識別系統(tǒng)也是基于形態(tài)學操作的重要性質(zhì)，對經(jīng)過二值化后的車牌圖像首先進行閉運算操作，使得車牌的字符區(qū)域連接起來，然后對車牌圖像進行開運算操作，來消除車牌上的噪聲，得到明亮的車牌區(qū)域從候選區(qū)域中去除偽車牌并定位出車牌區(qū)域 通過對車牌圖像的數(shù)學形態(tài)學來運算，圖像中剩下少部分的連通區(qū)域，即為車牌的候選區(qū)域，這些區(qū)域包括車牌區(qū)域和偽車牌區(qū)域，為此，需要從圖像中去除偽車牌并定位出車牌。在運用識別效果上，視頻流識別模式的優(yōu)勢時可以通過自動攝像識別單元自動化的從攝像到的動態(tài)圖像進行識別車輛車牌信息，并記錄車輛的外觀、顏色等信息。