在运用识别效果上，视频流识别模式的优势时可以通过自动摄像识别单元自动化的从摄像到的动态图像进行识别车辆车牌信息，并记录车辆的外观、颜等信息。但是，这种识别模式对于无牌车通过时是无法正常识别的，这也导致了容易出现漏车的现象发生。同时，视频流识别模式车牌识别系统也容易受到车速的影响，也容易因为车辆较多而出现误触发识别，导致车牌识别率大大降低。而地感线圈识别模式的车牌识别系统的优势在于其触发识别更快、识别率高，不易出现漏车现象，而且性能实用上也比较稳定，对于无牌车辆也能识别出车辆的信息，甚至可以自动为该车辆配上虚拟车牌，更方便对无牌车泊车的管理，但是这种模式只有静态图像信息，在后期管理上不利于分类管理与查询。此外，地感线圈识别模式的车牌识别系统也不适用于一些不适合切割路面的现场中。至于视频流+地感识别模式的车牌识别系统，在识别效果上肯定是更更佳的，但是其对适用场合环境的要求也是更高的。

　　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。

　　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。

　　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。