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(xué)形態(tài)學(xué)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(jìn)行車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。車牌自動(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。這些區(qū)域即為可能的車牌區(qū)域，再通過(guò)上述特征在可能的車牌區(qū)域中進(jìn)行對(duì)照分析，就可以得到車牌區(qū)域。

車牌校正

車牌校正是為了解決拍攝的車牌圖像因?yàn)榻嵌葐?wèn)題，導(dǎo)致定位后的車牌傾斜，而傾斜的車牌會(huì)給車牌識(shí)別系統(tǒng)的后繼步驟增添麻煩，車牌校正是必須的。車牌校正是利用車牌區(qū)域的矩形序列分布同組成車牌號(hào)的字母、數(shù)字位置的分布基本一致的特征，找到了矩形序列中矩形左上角像素點(diǎn)排列的近似斜率，從而找出車牌區(qū)域的偏轉(zhuǎn)角度，完成車牌圖像區(qū)域的校正。所以，一般情況下我們會(huì)在進(jìn)行圖像處理前對(duì)圖像采用濾波技術(shù)進(jìn)行處理，常用的濾波方法有：中值濾波、均值濾波、高斯濾波等。

如果外國(guó)車輛進(jìn)入，停車場(chǎng)管理系統(tǒng)將提示未經(jīng)授權(quán)的車輛，禁止進(jìn)入，并且車輛信息需要在進(jìn)入之前進(jìn)行登記，這大大提高了政府車輛的安全性。離線版停車場(chǎng)管理系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，性能穩(wěn)定可靠，安裝，維護(hù)和使用方便。如今，車牌識(shí)別停車系統(tǒng)被認(rèn)為是更便于管理和更快車輛交通的停車管理系統(tǒng)。由于其高識(shí)別率和快速訪問(wèn)，因此受到許多用戶的青睞。但是，為了更好地管理停車場(chǎng)和停車難度，停車場(chǎng)系統(tǒng)不斷升級(jí)，功能也在不斷增加。當(dāng)然，車牌識(shí)別技術(shù)也不能落后。在目前的互聯(lián)網(wǎng)趨勢(shì)下，車牌識(shí)別系統(tǒng)將具有巨大的優(yōu)勢(shì)。隨著物聯(lián)網(wǎng)，人工智能和相關(guān)智能停車技術(shù)的發(fā)展，無(wú)人值守的停車場(chǎng)將越來(lái)越受歡迎，這將節(jié)省大量的人力成本，并將不可避免地為車主帶來(lái)更方便，更智能的停車體驗(yàn)。市場(chǎng)和前景也將為停車場(chǎng)系統(tǒng)的管理帶來(lái)很多便利！