模板匹配是图象识别方法中具代表性的基本方法之一，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量大的一个就表示期间相似程度高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。

　　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。

　　字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化，并将其尺寸缩放为字符数据库中模板的大小，然后与模板进行匹配，选取佳匹配作为结果。建立数字库对该方法在车牌识别过程中很重要，数字库准确才能检测出的数据正确。基于人工神经元网络的算法有两种，一种是先对特征提取待识别字符，然后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。模板匹配实现简单，当字符较规整时，对字符图像的缺损、污迹干扰适应力强且识别率高。因此，这里将模板匹配作为车牌字符识别的主要方法。

　　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: