隨著不斷發(fā)展的停車場(chǎng)對(duì)于車牌識(shí)別系統(tǒng)更高的要求，使得車牌識(shí)別功能越來(lái)越強(qiáng)大，由于車牌識(shí)別是車牌識(shí)別系統(tǒng)的最后一步和最關(guān)鍵的一步。字符識(shí)別的準(zhǔn)確性對(duì)于車牌識(shí)別系統(tǒng)的性能的影響是非常重要的。

基于視頻檢測(cè)模式構(gòu)建的車牌識(shí)別系統(tǒng)要求在工作的時(shí)候能夠?qū)崟r(shí)監(jiān)控車輛闖紅燈、不按導(dǎo)向車道行駛、不按規(guī)定車道行駛、逆行等違法行為。識(shí)別率一般要求達(dá)到白天90%，晚上85%，80%，因而如今的車牌識(shí)別系統(tǒng)變得越來(lái)越強(qiáng)大了。

基于模板匹配的字符識(shí)別方法、基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法、基于字符特征的識(shí)別方法、基于統(tǒng)計(jì)分類器的字符識(shí)別方法等都已經(jīng)屬于傳統(tǒng)的車牌字符識(shí)別方法。

如今一種基于HOG功能的新型車牌識(shí)別攝像頭字符識(shí)別方法功能側(cè)重于同構(gòu)形狀信息的分布，在抵抗同構(gòu)形狀變化方面具有明顯優(yōu)勢(shì)。使用字符形狀信息可以更好地識(shí)別字符。車牌經(jīng)常很臟。字符可以表示不同程度的變形、模糊和斷裂，但基本上可以保留字符形狀，有效克服外部環(huán)境的干擾。

轉(zhuǎn)換為喇叭二進(jìn)制代碼不僅能抵抗噪聲干擾，還能減少噪聲對(duì)識(shí)別的影響。識(shí)別速度快，可通過(guò)外部或操作計(jì)算特征之間的距離。該算法首先提取字符圖像的HOG特征，將特征轉(zhuǎn)換為喇叭二進(jìn)制代碼，并表示字符圖像的指紋信息。

基于HOG特征的字符識(shí)別算法具有較高的字符識(shí)別精度、較強(qiáng)的字符噪聲抗干擾能力、快速的識(shí)別速度和廣闊的應(yīng)用前景。在識(shí)別文本圖像時(shí)，圖案信息將與文本模板庫(kù)中的指紋信息進(jìn)行比較，以找到最小的文本模板。與此字符模板相對(duì)應(yīng)的類別是字符識(shí)別結(jié)果。

車牌識(shí)別攝像頭捕獲的照片清楚地反映了車牌號(hào)、漢字、車型、裝載貨物等車輛的所有特點(diǎn)。通過(guò)事故跟蹤、刑事調(diào)查等公安工作，車牌識(shí)別系統(tǒng)可以提供更全面、更準(zhǔn)確的依據(jù)。

更多關(guān)于車牌識(shí)別系統(tǒng)更多的知識(shí)敬請(qǐng)關(guān)注銳方達(dá)科技官網(wǎng)：http://authnetflix.com/