车牌识别是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别系统整个过程包括：车辆检测—图像采集—预处理—车牌定位—字符分割—字符识别—结果输出。
　　
　　车辆检测：可采用埋地线圈检测、红外检测、视频检测等多种方式感知车辆的经过，并触发图像采集抓拍；
　　
　　图像采集：通过高清摄像抓拍主机对通行车辆进行实时、不间断记录、采集；
　　
　　预处理：噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等；
　　
　　车牌定位：在经过图像预处理之后的灰度图像上进行行列扫描，确定车牌区域；
　　
　　字符分割：在图像中定位出车牌区域后，通过灰度化、二值化等处理，精确定位字符区域，然后根据字符尺寸 特征进行字符分割；
　　
　　字符识别：对分割后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配判别；
　　

　　结果输出：将车牌识别的结果以文本格式输出。

　　车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等多种功能，对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。但车辆识别系统发展至今仍存在着诸多问题。
　　
　　车牌定位与字符分割。指在已拍摄的图像中确定车牌的位置，提取出车牌的图像，然后分割出车牌中的字符。车牌区域定位的困难主要来自于采集的图像，由于采集车牌图像的多样性，且采集图像时受到许多客观因素的影响，如雨天、大雾、光线等，使得一些车牌图像质量出现不同程度的差异，在一般情况下，采集的图像的背景非常复杂，采集图像是在高速运动中采集的图片，所以图片中车牌的位置不固定，车牌的大小也不一样，以上的种种干扰因素，都给车牌区域定位和字符分割带来了困难，从而影响车牌的识别率。
　　
　　高分辨率与识别速度的矛盾。从模拟相机到高清相机，也会引发图像的高分辨率与识别速度相矛盾的问题。在车牌识别时主要体现为：高清图片由于图片覆盖面广，可能会同时在图片中出现多个车牌的识别，这就对车牌识别的速度要求很高，车牌识别系统对于高清视频流码流过大，还会因对识别系统资源占用需求过大而分析起来会出现处理速度过慢的问题，这可能导致出现漏车现象，而难以实现对车辆抓拍率和车牌识别准确率的提升。

　　车牌识别系统的适应性急需加强。目前我国的车牌识别产品都要求所识别的车牌大小固定，而对过大和过小的车牌一般都不能准确识别。这样就造成对视频触发的情况下部分车牌无法被识别的问题。此外，在有些现场环境中，由于受外界条件的影响，无法将相机架设在最合理位置，会造成图片中车牌不同程度的偏移。
　　
　　车牌识别系统对污损车牌的识别效果不好。在公路和城市内的实际应用过程中，很难保证所涉及到的车牌都是没有污损的，车牌在使用几年之后，难免会出现污染和磨损等现象，而在路面上行驶的车辆也很难保证都是标准干净的车牌，因此在实际环境中，面对破损污旧的车牌，如何提高车牌识别系统的识别能力也是实际需要解决的问题。

　　解决方案
　　
　　感光部件对外部环境的处理
　　
　　环境是影响车牌识别的主要因素，在采集车辆图像时，由于环境光线变化剧烈，白天光较强、夜间较弱，面光与背光不同，上午和下午的光照方向也不一样，抓拍图像时受环境光线影响较大，车速过高、采集设备的动态范围等都使成像质量难以得到有效保证。当识别算法认为车牌达到了最佳成像位置时系统触发系统开始拍摄，这对触发设备的可靠性和响应速度都有较高的要求，所以要解决环境造成识别率低下的问题，还要靠摄像机的感光部件对外部环境的处理。

　　对图像预处理
　　
　　车牌定位之前一般要对图像做预处理，然后再进行车牌的定位、分割、识别等部分。由于得到的车牌图像可能含有较多噪声，或图像对比度不强、车牌被部分遮挡、车牌处出现污点、变脏、模糊退色、有其它字符区域干扰、以及出现因运动产生的图像模糊失真等情况，所以定位算法实现起来有较多困难。对于字符分割，则可能存在光照不均、污迹严重、车牌倾斜、对比度小、牌照退色、牌照字符粘连等不利因素，这样就需要研发与之适应的算法。如算法能适应各种复杂环境和有噪声、车牌遮挡、车牌倾斜等状况的话，那就可以大大提高车牌识别的概率。