為了進行車牌識（shí）別，需要以下幾個基本的步驟：

1、 牌照定位（wèi），定位（wèi）圖片中的牌照位置；

2、牌照（zhào）字符分（fèn）割，把牌照中的字符分割出來；

3、牌照字符識別，把分（fèn）割好（hǎo）的字符進行識別，最終組成牌照號碼。

車牌識（shí）別過程中，牌照顏色的識別依（yī）據算法不同，可能在上述不同步驟實現，通常與車牌識別互相配合（hé）、互相驗證。

一、牌照定位

自然環境下，汽車（chē）圖（tú）像背景複雜、光照不均勻，如何在自然背景中準確（què）地確定牌照區域是整個識別（bié）過程的關鍵。首先（xiān）對采集到的視頻圖像進行大範圍相關搜索，找（zhǎo）到（dào）符合汽車牌照特征的若幹區域作為候選區，然後對這（zhè）些侯選區域做進（jìn）一步分析、評判（pàn），最後選定一個最佳的區域作為牌照區域，並將其從圖像中分離出來。

二、牌照字符分割

完成牌照區域的定位後，再將牌區域分割成單個字符，然後進行識別。字（zì）符分割一般采（cǎi）用垂直投（tóu）影法。由於字符在垂直方向上的（de）投影必然在字符間或字符內的間（jiān）隙處取得局部最小值的附近，並且這個位置（zhì）應（yīng）滿足牌（pái）照的字（zì）符書寫格式、字符、尺寸限製和一些其（qí）他條件。利用垂直（zhí）投影法對複雜環境下的汽車圖像中的字符分（fèn）割有較好的（de）效（xiào）果。

三、 牌照字符識別方法

主（zhǔ）要（yào）有基於末班匹配算法和基於（yú）人工神經係算法。基於模板匹配算法首（shǒu）先將分割後的字（zì）符二值化並將其尺寸大小縮放（fàng）為字符數據庫中模板的大（dà）小，然後與所有的模板（bǎn）進行（háng）匹配，選擇最佳匹配作為結果。基於人工神經網絡的算法（fǎ）有兩種：一種是先對字符進行特征（zhēng）提（tí）取（qǔ），然後用所獲得特征來訓練神（shén）經網絡分配器；另一種方法是直接把圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。

實際應用中，車牌識別係統的識別（bié）率還與（yǔ）牌照質量和拍攝質量密切相（xiàng）關。牌照質量會受到各種因素的影響，如生鏽、汙損、油漆剝落、字（zì）體褪色、牌照（zhào）被遮擋、牌照傾（qīng）斜、高亮反光、多牌照、假牌照等（děng）等；實際拍攝過程也會受到（dào）環境亮度、拍（pāi）攝方式、車輛（liàng）速度等等因素的影響。這些影響因素不同程度上降低了車牌識別的識別率，也（yě）正是車牌識別係統的困難和挑戰所在。為了提高（gāo）識別率，除了不（bú）斷地完善（shàn）識別算法還應該（gāi）想辦法克服各種光照條件，使采集到的圖像最利於（yú）識別。