車(chē)牌校正
?
　　由于受拍攝角度、鏡頭等因素的影響，圖像中的車(chē)牌存在水平傾斜、垂直傾斜或梯形畸變等變形，這給后續(xù)的識(shí)別處理帶來(lái)了困難。如果在定位到車(chē)牌后*行車(chē)牌校正處理，這樣做有利于去除車(chē)牌邊框等噪聲，更有利于字符識(shí)別。目前常用校正方法有：Hough變換法，通過(guò)檢測(cè)車(chē)牌上下、左右邊框直線來(lái)計(jì)算傾斜角度；旋轉(zhuǎn)投影法，通過(guò)按不同角度將圖像在水平軸上進(jìn)行垂直投影，其投影值為0的點(diǎn)數(shù)之和時(shí)的角度即為垂直傾斜角度，水平角度的計(jì)算方法與其相似；主成分分析法，根據(jù)車(chē)牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對(duì)特征點(diǎn)的主成分方向即為車(chē)牌的水平傾斜角度；方差小法，根據(jù)字符在垂直方向投影點(diǎn)的坐標(biāo)方差小導(dǎo)出垂直傾斜角的閉合表達(dá)式，從而確定垂直傾斜角度；透視變換，利用檢測(cè)到的車(chē)牌的四個(gè)頂點(diǎn)經(jīng)過(guò)相關(guān)矩陣變換后實(shí)現(xiàn)車(chē)牌的畸變校正。

字符識(shí)別
?
　　對(duì)分割后的字符的灰度圖像進(jìn)行歸一化處理，特征提取，然后經(jīng)過(guò)機(jī)器學(xué)習(xí)或與字符數(shù)據(jù)庫(kù)模板進(jìn)行匹配，后選取匹配度的結(jié)果作為識(shí)別結(jié)果。目前比較流行的字符識(shí)別算法有：模板匹配法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法和Adaboost分類(lèi)法等。模板匹配法的優(yōu)點(diǎn)是識(shí)別速度快、方法簡(jiǎn)單，缺點(diǎn)是對(duì)斷裂、污損等情況的處理有一些困難；人工神經(jīng)網(wǎng)絡(luò)法學(xué)習(xí)能力強(qiáng)、適應(yīng)性強(qiáng)、分類(lèi)能力強(qiáng)但比較耗時(shí)；支持向量機(jī)法對(duì)于未見(jiàn)過(guò)的測(cè)試樣本具有更好的識(shí)別能力且需要較少的訓(xùn)練樣本；Adaboost分類(lèi)法能側(cè)重于比較重要的訓(xùn)練數(shù)據(jù)，識(shí)別速度快、實(shí)時(shí)性較高。我國(guó)車(chē)牌由漢字、英文字母和阿拉伯?dāng)?shù)字3種字符組成，且具有統(tǒng)一的樣式，這也是識(shí)別過(guò)程的方便之處。但由于車(chē)牌很容易受外在環(huán)境的影響，出現(xiàn)模糊、斷裂、污損字符的情況，如何提高這類(lèi)字符和易混淆字符的識(shí)別率，也是字符識(shí)別的難點(diǎn)之一。易混淆字符包括：0與D、0與Q、2與Z、8與B、5與S、6與G、4與A等。

硬件識(shí)別：通俗的解釋是通過(guò)立的硬件設(shè)備，對(duì)所抓拍圖片進(jìn)行一系列的字符處理;目前停車(chē)場(chǎng)系統(tǒng)行業(yè)中硬件識(shí)別也分為兩種，即帶有單的車(chē)牌識(shí)別儀和前端硬件識(shí)別兩種，安視睿主要采用的是前端硬件識(shí)別。
?
　　前端硬件識(shí)別一體式攝像機(jī)適應(yīng)市場(chǎng)需求，目前得到了廣大客戶的喜愛(ài)。安視睿前端硬件識(shí)別也叫一體式車(chē)牌識(shí)別攝像機(jī)，是將傳統(tǒng)單的車(chē)牌識(shí)別儀嵌入至攝像機(jī)中，實(shí)現(xiàn)前端硬件與攝像機(jī)一體化，實(shí)現(xiàn)圖像抓拍、視頻流傳輸、字符識(shí)別、道閘抬桿等一系列的工作。