目前，车牌识别系统LPRS(LicensePlateRecognitionSystem)在国外应用比较广泛，以色列Hi一Tech公司的See/CarSystem系列，新加坡Optasia公司的LPRS系列都是比较成熟的产品。其中See/CarSystem的变形产品See/CarChinese系统还可以对中国大陆的车牌进行识别。除此之外，还有很多西方发达**都有适合本国车牌的识别系统。
国内目前比较成熟的产品有中科院自动化所汉王公司的“汉王眼”，亚洲视觉科技有限公司、深圳吉通电子有限公司、中国信息产业部下属的中智交通电子有限公司等也都有自己的产品。另外，一些高校也作过类似的研究和开发。
发达**的LPRS在实际交通系统中已成功应用，而我国的开发应用进展比较缓慢。直到近几年，车牌识别技术才一开始在我国高速公路中一定程度的应用。
虽然国内外都有一些实用的汽车牌照识别系统，但是这些系统的应用都存在一定的局限性，至今，车牌识别技术尚未达到理想的程度。例如，利用摄像机拍摄的汽车图像，在很大程度上存在许多客观的干扰，如受摄像机的性能、背景、光照条件、车牌磨损、拍摄时的倾斜角度及车辆运动等因素的影响，使车牌中的字符可能出现比较严重的模糊、缺损或污迹。这些干扰都给字符定位和识别带来了难度，造成字符定位和字符识别的效果不是很理想。另外，也很难适应全天候复杂环境下及高速度条件的要求，需要不断地完善和更新。
1.1车牌识别的特点及难点
车牌识别系统的研究由于受到多方面的限制，其技术还存在一些不足。目前，车牌识别技术存在的问题是不确定性引起的识别率的问题。其原因大致可归结于如下几方面[l1:
1.汽车牌照本身的特征
(1)牌照缺乏统一的标准。汽车牌照的规格、颜色和适用范围各不相同，使得车牌识别过程中字符的分割难度增大，缺乏统一模式规则的指导作用。
(2)牌照的质量无法保证。汽车牌照被污损，或者牌照的字符模糊不清，对光线的散射性不好，这些不确定性极大地影响了识别的准确率。
(3)车牌附近环境恶劣。车牌附近往往有复杂的外形或挡车器等，不利于车牌的定位和分割。
2.外部环境的特征
(l)外界光照条件各不相同。首先光线强弱对图像质量影响很大;其次，不同的光照角度以及车牌的反光程度等决定着车牌区域的亮度特征。
(2)外界背景的复杂程度也影响车牌的定位精度。背景中与车牌区域相似的部分，如与车牌字符相似的背景中的广告牌等，非常容易影响车牌的粗定位。
3.车牌识别系统应用方案的特征
(1)不同工程其摄像方位和角度不一样。实际工程中摄像方位相对于车辆行驶的方向一般是正上方、左侧或右侧。相对来说摄像角度越小，车牌在平面图像中的变形越少，识别效果就越好。此外，摄像方位和角度对车牌倾斜校正和字符分割的影响都比较大。
(2)光线较暗时，不同的光照角度、方位和亮度对车牌识别系统影响也不一样。尽管规范的车牌对光的散射能力较强，但光照的方位、角度不同时，也会影响车牌的亮度。亮度不均匀对车牌二值化算法的适应性提出了更高的要求。
(3)不同的实际工程，图像的分辨率要求也不同。分辨率大小影响车牌识别系复杂背景下多车牌识别系统的研究与实现
统的识别速度和字符的识别率。oeR(optiealeharacterRecognition)中字符的像素分辨率一般为32x32，而车牌识别系统字符的分辨率一般在12x12和24x24之间。分辨率过高时，整个识别系统的处理时间会明显增长，特别是字符分割、车牌二值化的处理时间。而当分辨率过低时，字符的二值化效果较差，尤其是汉字，使车牌识别系统的总体识别率会下降。
4.我国车辆牌照识别的特殊性
由于车辆字符识别受到车牌图像噪声及分割等因素的影响较大。识别率一直不能达到实际使用的要求。目前，国外汽车牌照识别系统的研究工作己具有较高的水平，但是在我国，由于受到诸多条件的限制，在实际使用中仍然存在一些困难，主要表现在以下五个方面:
(1)我国标准车辆牌照是由汉字、英文字母和数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度;
(2)国外许多**车辆牌照的底色和字符颜色通常只有对比度较强的两种颜色(例如韩国，其车牌底色为红色，车牌上的字符为白色)，而我国车辆牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等多种;
(3)其他**的汽车牌照格式(如汽车牌照的尺寸大小，牌照上字符的排列等通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(例如军车、警车、普通车等);
(4)我国汽车牌照的规范悬挂位置不;
(5)由于环境、道路或人为因素造成牌照污染严重的车辆，发达**不允许上路，而我国则没有此规定。
总之，车牌识别系统的研究由于受到多方面的限制，其技术还存在着一些不足。相信随着研究的不断深入，车牌识别技术肯定会逐步走向成熟。
1.2车牌识别技术
车牌识别技术一般包括有图像处理技术、传统模式识别技术和人工神经网络技术等。
1.图像处理技术:运用图像处理技术解决汽车车牌识别的研究早始于80年代，但国内外均只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系。识别过程是使用工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，终仍需人工干预。例如车辆牌照中省份汉字的识别问题，常见的图像处理方法是在抽取汉字特征的基础上进行的。根据汉字的投影直方图选取浮动闭值，提取汉字在y方向的峰值，利用树形查表法进行汉字的粗分类;然后根据汉字在x方向的投影直方图选取适当阂值，进行量化处理后形成一个变长链码，再用动态规划法求出与标准模式链码的小距离，以实现细分类，完成汉字省名的自动识别。
2.模式识别技术:传统模式识别技术指结构特征法、统计特征法等。20世纪90年代，由于计算机视觉技术的发展，开始出现了车牌识别的自动化研究。1990
年Johnson等运用计算机视觉技术和图像处理技术设计了一个车牌自动识别系统。该系统分为图像分割、特征提取和模板构造、字符识别三个部分。利用不同阂值对应的直方图不同，经过大量统计实验确定出车牌图像直方图的阂值范围，从而根据特定闭值对应的直方图分割出字符，再利用预先设置的标准字符模板与之匹配以获得识别结果。
3.神经网络技术:近几年来，计算机及相关技术发达的一些**开始探讨用人工神经网络技术解决车牌自动识别问题，例如1994年Fahmy等成功地运用BAM神经网络方法对车牌上的字符进行自动识别。BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着一个BAM矩阵，通过与车牌上的字符进行比较，识别出正确的车牌号码。这种采用BAM神经网络方法的缺点是无法解决识别系统存储容量和处理速度相矛盾的问题。
台州车牌识别系统关键技术分析
车牌识别系统的主要关键技术有三方面:车牌定位、字符分割和字符识别。车牌定位的任务是给出图像中车牌的位置，或者是给出几个可能的位置。目前车牌定位的方法主要有:①直接法12一3]。利用车牌特征来提取车牌。常用的特征有车牌的边缘特性、投影特性、形状特性以及颜色特性等。②统计投影直方图法阵5]。其优点是对图像中的噪声不敏感，缺点是定位精度不高;③灰度分割及区域生长法16一8]，该方法定位较稳定，但当图像在有许多与车牌的灰度非常相似的区域时就无效了;④纹理特征分析法沙川。使用这种技术进行车牌定位时，若遇到类似车牌纹理特征的其他干扰时，定位准确率会降低。⑤基于彩色汽车图像牌照定位法【’2一‘4]。该算法采用基于适合彩色图像相似性比较的Hsv色彩模型。主要利用我国汽车牌照字符与底色对比较多，彩色图像比灰度图像能够产生更多的视觉信息并有对各种光照不敏感的特点。总的来说，车牌定位在很大程度上受到许多客观的干扰，如天气、背景、车牌磨损、图像倾斜等因素，因此定位不是很理想。
字符分割的任务是把多行或多字符图像中的每个字符从整个图像中切割出来成为单个字符。目前字符分割的方法主要有①基于车牌字符特征的投影法115一，“]。将计算机牌照字符进行垂直投影，利用投影直方图一个闭值，然后复杂背景下多车牌识别系统的研究与实现
再结合一些先验知识来分割字符。②基于聚类分析的分割法[l7一20]。按照属于同一个字符的像素构成了一个连通域的原则，再结合牌照的先验知识来进行字符分割。但是要解决车牌字符中可能存在的粘连、断裂等情况，字符分割技术仍需要进一步改进。
字符识别的任务是将分割出的字符识别出来。目前主要有三种方法:①相关匹配12’]。这类方法通过在特征空间中计算输入特征向量与各模板向量之间的距离进行分类判决，其优点是特征提取和模板的建立都比较容易，抗干扰能力强，对局部噪声不敏感，缺点是分辨相似字的能力较弱;②文法分析122一241，将
输入的字符看作是一个语句或字符串，把识别问题转化为判断输入的语句是否符合某种语言的语法约束条件，它的优点是分辨相似字的能力较强，缺点是对局部噪声敏感，特征提取比较复杂;③松弛匹配1251，它首先通过迭代运算找出输入向量与模板向量各分量间的对应关系，然后再根据这一对应关系进行匹配，该方法不仅可以用于特征点的匹配，而且还可以用于笔段、笔划和部件的匹配，主要缺点是运算量较大，识别中往往需要通过预分类减少运算量。
1.2.4车牌识别技术的发展趋势
由于公路交通智能化管理的需求，各种实时识别系统应运而生。这些系统从不同角度构造了各种实际应用的汽车牌照识别系统。但是，每一种系统都只能从某些方面达到一定的指标要求，而很难在任何情况下对于车牌都能取得较高的识别率。在前人研究的基础上，车牌识别可望在以下几个方面进一步的发展。
1.小波分析的广泛应用
小波分析[26】是一种应用于图像处理的重要分析工具，具有“数学显微镜”之称。小波的多分辨率特性使得小波系数在不同方向具有不同的效果，因此利用方
向小波能够反映出图像在不同分辨率上沿任一方向变化的情形。小波分析的多尺度分解特性更加符合人类的视觉机制。在车牌汉字识别中，
字符图像经小波变换以后，提取横、竖、撇、捺笔划非常容易，并且简洁、清晰。基于小波变换的特征提取方法充分结合了统计特征和结构特征，符合字符识别中由粗到细的分类思想，因此必将成为一个新的研究热点。
2.神经网络和人工智能相结合的新技术的应用近年来，人工神经网络以其抗噪声、容错、自适应、自学习能力强、识别速
度快等优点受到广泛的重视，神经网络的出现丰富和推动了模式识别的研究，并且神经网络可以逼近任意复杂的决策图，所以它已在模式识别上广泛应用并取得了许多成果127召，]。
3.心理学研究成果在字符识别中的应用
字符识别的心理学研究对字符识别具有启发性意义。浙江大学李宏东等[32]对人类认知汉字的心理实验研究结果进行总结后认为，人的汉字识别是经由整字属性及分层结构的多种途径复合而成，其中多数都可以在字符机器识别中模仿应用。这方面的研究虽然刚刚起步，还没有一个实际系统来验证，但却是一个值得研究的新方向。