車牌識別技術結合電子不停車收費系統（ETC）識別車輛，過往車輛通過道口時無須停車，即能夠實現車輛身份自動識別、自動收費。在車場管理中，為提高出入口車輛通行效率，車牌識別針對無需收停車費的車輛（如月卡車、內部免費通行車輛），建設無人值守的快速通道，免取卡、不停車的出入體驗，正改變出入停車場的管理模式。

將指定的牌照信息輸入系統，系統自動地識讀經過車輛的牌照并查詢內部數據庫。對于需要自動放行的車輛系統驅動電子門或欄桿機讓其通過，對于其它車輛系統會給出警示，由值勤人員處理。可用于特殊單位（如軍事管理區、保密單位、重點保護單位等）、路橋收費卡口、高級住宅區等。

在高速路的各個出入口安裝車牌識別設備，車輛駛入時識別車輛牌照將入口資料存入收費系統，車輛到達出口時再次識別其牌照并根據牌照信息調用入口資料，結合出入口資料實現收費管理。這種應用可以實現自動計費并可防止作弊，避免了應收款的流失。

一、牌照定位

自然環境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中準確地確定牌照區域是整個識別過程的關鍵。首先對采集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特征的若干區域作為候選區，然后對這些侯選區域做進一步分析、評判，后選定一個的區域作為牌照區域，并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后，再將牌照區域分割成單個字符，然后進行識別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內的間隙處取得局部小值的附近，并且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復雜環境下的汽車圖像中的字符分割有較好的效果。

三、 牌照字符識別方法

主要有基于模板匹配算法和基于人工神經網絡算法。基于模板匹配算法首先將分割后的字符二值化并將其尺寸大小縮放為字符數據庫中模板的大小，然后與所有的模板進行匹配，選擇匹配作為結果。基于人工神經網絡的算法有兩種：一種是先對字符進行特征提取，然后用所獲得特征來訓練神經網絡分配器；另一種方法是直接把圖像輸入網絡，由網絡自