人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計(jì)算機(jī)及相關(guān)技術(shù)發(fā)達(dá)的一些國(guó)家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動(dòng)識(shí)別問題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對(duì)車牌上的字符進(jìn)行自動(dòng)識(shí)別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個(gè)字符模板對(duì)應(yīng)著個(gè)BAM矩陣，通過與車牌上的字符比較，識(shí)別出正確的車牌號(hào)碼。

識(shí)別速度決定了一個(gè)車牌識(shí)別系統(tǒng)是否能夠滿足實(shí)時(shí)實(shí)際應(yīng)用的要求。一個(gè)識(shí)別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識(shí)別出結(jié)果，那么這個(gè)系統(tǒng)就會(huì)因?yàn)闈M足不了實(shí)際應(yīng)用中的實(shí)時(shí)要求而毫無實(shí)用意義。例如，在高速公路收費(fèi)中車牌識(shí)別應(yīng)用的作用之一是減少通行時(shí)間，速度是這一類應(yīng)用里減少通行時(shí)間、避免車道堵車的有力保障。

在講述車牌識(shí)別過程之前，筆者要先說一下高速路口的ETC是一套依賴RFID技術(shù)的電子識(shí)別裝置。這種識(shí)別技術(shù)，是通過射頻技術(shù)，去識(shí)別貼在汽車前擋風(fēng)或者其他便于RFID讀寫端識(shí)別的位置上的電子標(biāo)簽來識(shí)別和收費(fèi)的。因此ETC和車牌識(shí)別系統(tǒng)是兩套系統(tǒng)，因?yàn)檐嚺谱R(shí)別系統(tǒng)不承擔(dān)充值和消費(fèi)功能，因此ETC就應(yīng)運(yùn)而生。

圖片初級(jí)處理——灰度化、二值化大家都知道，灰色是介于白色和黑色之間的顏色，而且這個(gè)灰色深淺不一樣，所以白色和黑色之間的灰色就有很多。這顏色一多，計(jì)算機(jī)就眼花繚亂了。所以呢，干脆把圖片二值化。啥叫二值化呢？就是讓圖片只有黑色和白色，就是只有兩個(gè)顏色值，顧名思義把圖片搞成黑白二色的過程就是二值化。再形象的比喻一下，就是熊貓化！在計(jì)算機(jī)RGB顏色空間內(nèi)，白色就是255，黑色就是0，其他顏色就是在這0-255之間了。

圖形檢索，定位車牌圖片處理到這一步，來了——車牌檢索。動(dòng)腦筋的朋友可能已經(jīng)意識(shí)到了，車牌是規(guī)則的長(zhǎng)方形，我們只要找二值化后圖片里的長(zhǎng)方形就好了。問題來了，你找長(zhǎng)方形，問題是有些車輛的撒熱窗就是長(zhǎng)方形。愛動(dòng)腦筋的小伙伴已經(jīng)注意到了，車牌的長(zhǎng)寬比與車身其他位置的形狀長(zhǎng)寬比不同。掌握了上面的基本常識(shí)，那么我們距離找到車牌就更近了。計(jì)算機(jī)掃描整個(gè)二值化的圖片，由左到右，由上到下，把顏色從黑到白或者由白到黑的像素全部記錄下來。然后根據(jù)這些像素來計(jì)算哪個(gè)區(qū)域是長(zhǎng)方形，并且符合車牌的比例。

車牌字符切割在上一步中，我們成功找到了車牌，并把它從原圖（不是二值化的圖）截取出來了。對(duì)截取的車牌圖片進(jìn)行上一步的灰度化、二值化、降噪處理，尤其是邊緣降噪。如果降噪后，干擾的噪聲還是比較大，可以采取腐蝕、膨脹算法來模糊噪聲。如果降噪后的車牌圖片有傾斜現(xiàn)象，就需要對(duì)圖片做錯(cuò)切變換（就是傾斜角度調(diào)整）。我們知道，有些車牌是上下結(jié)構(gòu)的，這很容易通過對(duì)二值化的圖片做像素掃描來檢測(cè)上下兩部分是否中間不粘連，如果不粘連，那就是上下結(jié)構(gòu)車牌。如果不是上下結(jié)構(gòu)，那就是單行結(jié)構(gòu)的新車牌。