线性窗口检测是在边缘提取之后的含有车辆的图像中寻找含有车牌的长方形区域。在检测过程中，结合了车牌的先验知识，利用我国车牌中字符分布特征、形状、梯度变化等知识，如字符的灰度值变化规律等信息。含有车辆信息的图像在边缘提取之后纹理特征表现为边缘集中并且排列方式较为规则，结合上面的特征，对图像进行扫描，可检测到车牌区域或者是和车牌相似的一些区域。在线性窗口检测算法中先由上至下统计图像中各行相邻像素之间的灰度变化情况，当变化值大于给定的阈值时，可以判断此行就是要车牌区域的上边界，然后向下继续搜索，当检测到变化值又小于设定的阈值时，就得到了车牌区域的下边界。

　　含有各种各样的噪声。如果对噪声不进行滤波处理而直接进行边缘检测，将会对测量结果造成很大的影响，降低测量的精度。因此，在对图像进行分析之前消除或减小实验图像中存在的各种噪声干扰，以使图像更加有利于后续的分析和处理。图像的平滑方法是一种实用的图像处理技术，能减弱或消除图像中的高频率分量，但不影响低频率分量。因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分，平滑滤波将这些分量滤去可减少部灰度起伏，使图像变得比较平滑。实际应用中，平滑滤波还可用于消除噪声或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声，在频率域内由于噪声主要存在于频谱的高频段，因此可以利用各种形式的低通滤波器来减少噪声。

　　3.停车场收费系统        当车辆进入停车场时,收费系统抓拍车辆图片并进行车牌识别,保存车辆信息和进入时间；当车辆离开时,停车场收费系统自动识别出该车的车牌号码和保存下车辆的离开时间,并在数据库中搜索该车的进入时间,计算出该车的停车费用,车主缴完停车费后,收费系统自动抬杆放行。现在许多智能车场车牌识别系统可以使车辆进出，无需停车刷卡即可完成进出和车牌识别，加快车辆交通速度，节省管理工作，降低人员成本，因此被广泛应用于各种场合。如果系统遇到智能停车场车辆识别错误，无法识别现象我们要及时了解相关的原因，了解避免因外部原因造成的车牌识别系统无法识别现象的预防措施。经过这么多年的一个客户案例积累，我们整理了一下大部分出现智能车牌识别系统无法正常工作的可能性如下，方便大家对照进行排查:

　　依靠科技求发展，不断为用户提供满意的智能化系统，优质的产品、适中的价格、专业的技术和一流的服务是我们永恒的追求。在机会和挑战并存的竞争环境中，为满足市场不断增长的需求，公司将一直站在行业高新技术的尖端，秉承“理性务实、创新发展”的宗旨，奉行“进取、求实、严谨、团结”的方针，不断开拓创新，以技术为核心、视质量为生命、奉用户为上帝，竭诚为您提供性价比最高的智能产品、高质量的工程设计改造及无微不至的售后服务。

　　“让科技刷新您的梦想”“让我们的服务成就您的品牌！”是我们秉承的宗旨，期待与更多的合作伙伴同行，赢得机会，赢得市场！