车牌识别系统作为智能交通管理必不可缺的一子系统，它的系统主要分为四个重要部分:图像的预处理、车牌定位、字符分割和字符识别。在本次设计中，我们所采用的是一套基于MATLAB的车牌自动识别的方式，对于车牌的识别，它具有较强的识别能力，能有效地解决带有噪声和图像在不同条件下所带来的一些负面影响的问题。的设计结果也表明了MATLAB使车牌识别系统在运行上十分有效。整个系统中对于车牌的位置的定位和车牌号码的字符识别为重要。其中的车牌定位又分为图像图像灰度化、图像边缘检测和图像腐蚀；另外车牌号码的识别又由车牌号码的分割和单号码模块匹配结合。该系统的主要目的是将车牌部分通过对图像预处理后从原始图像中分离出来，再将车牌内车牌号的字符单个分离出来，再对单个字符进行模板匹配识别，所以车牌定位分离、字符定位、分离的结果在体统的识别过程中显得重要。

　　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！

　　字符识别的准确性直接决定了该系统是否。在之前的研究中经常被用于字符的识别主要有模板匹配法和神经网络识别法。在这次研究设计中我们采用的是模板匹配法进行识别，该方法是将分割出来的字符样本进行字符归一化处理，使图像大小与原先已经存储在计算机内的标准字符大小一致，再与标准字符进行一一对比，结果取差异小的相对应的标准字符。这种模板匹配的方法相对比较、简单。但是对字符图像要求比较高，一旦图像有噪声或者亮度问题其结果就可以能存在差异。神经网络识别法，它是结合神经网络技术，依靠人的经验来取得字符的特征，再利用神经网络的辨别能力来对字符进行识别，这个方法得到的结果会比较准确，但技术要求较高。

　　车牌识别系统可广泛应用于政府机关、军营、工厂、矿山企业、学校园区等单位的内部车辆管理和调度，达到维护单位制度、加强保障、提高管理水平的目的。也可用于实现住宅区、商业停车场等场所的车辆收费和停车位控制需求。解决好以下四个问题才能很好的解决跟车的问题:A、核心是使用多个识别技术，使用视频触发更理想，上面已经解释过，多个识别在相机和汽车之间，会错开角度识别车牌，这是关键的，如果是单个识别总是不能处理汽车问题，即使出入口两台相机处理不好，这是由计划决定的；