车牌识别技术是智能交通的重要组成部分,是一种利用车牌对车辆进行识别的图像处理技术。随着智能交通的不断推广和深入,智能交通技术覆盖了电子警察、公路卡口、刑事侦查等大部分领域。未来,随着科技水平的不断提高和智能交通技术应用场景的不断细分,如智慧工地、智慧加油站、摩托车等小型机动车识别等更多应用场景,车牌识别技术将迎来更广阔的应用空间以及更多的应用挑战。首先,本文根据实际情况,对比近年来国内外车牌识别技术的研究成果,给出了国内外车牌识别技术的具体分析和车牌识别技术的评价指标。然后,本文对车牌识别技术中基于分割和基于免分割的车牌识别算法进行了系统阐述。在车牌检测阶段,分析了车牌图像的主要特征,并对车牌检测中多种特征结合的检测算法进行了深入分析。阐述了Randon变换的数学原理,并对倾斜程度超过10度的车牌利用Randon变换进行了倾斜矫正实验。在车牌字符切割阶段,主要对字符切割方法中进行分析对比研究,其中包括常用的垂直投影分割法和连通域分割法。在字符识别阶段,主要对基于神经网络的识别算法以及基于多种特征结合的模式识别算法作对比分析,研究了这几类方法的识别特点和优缺点。最后,本文针对车牌图像中相似字符的误识别问题,根据模板匹配法对噪声弱敏感性以及方向梯度直方图特征对字符形状的描述特点,提出了一种模板匹配法融合改进的局部方向梯度直方图特征识别车牌的方法。方向梯度直方图特征对图像几何和光学的形变都能保持良好的不变性,改进的方法确定了字符图像HOG特征块的优化参数,降低了生成的HOG特征描述符维数,避免了提取的字符特征信息无法与模板库中的特征匹配的问题。此种方法在保证识别速度的同时,提高了识别率。