车牌识别过程中牌照颜色的识别依据算法不同

车牌识别过程中牌照颜色的识别依据算法不同

牌照定位：自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，之后选定一个区域作为牌照区域，并将其从图像中分离出来。

牌照字符分割：完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。

车牌字符辨认方法：主要有根据模板匹配算法和根据人工神经网络算法。根据模板匹配算法首先将分割后的字符二值化并将其尺寸巨细缩放为字符数据库中模板的巨细，然后与所有的模板进行匹配，选择一个适宜的匹配作为成果。根据人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来练习神经网络分配器；另一种方法是直接把图画输入网络，由网络主动完成特征提取直至辨认出成果。

实践使用中，车牌辨认系统的辨认率还与车牌质量和拍照质量密切相关。车牌质量会遭到各种要素的影响，如生锈、污损、油漆脱落、字体褪色、车牌被遮挡、车牌倾斜、高亮反光、多车牌、假车牌等等；实践拍照过程也会遭到环境亮度、拍照方式、车辆速度等等要素的影响。这些影响要素不同程度上降低了车牌辨认的辨认率，也正是车牌辨认系统的困难和应战地点。为了提高辨认率，除了不断地完善辨认算法还应该想办法克服各种光照条件，使采集到的图画利于辨认。