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。

　　邻域平均法是一种简单的空间域平滑噪声处理方法，属于线性滤波器。它是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值(除以9)作为新图中该像素的灰度值。它采用模板设计的思想模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算。邻域平均法也可以用数学公式表达。邻域平均处理法是以图像模糊为代价来减小噪声的，且模板尺寸大，噪声减小的。如果f(i,j)是噪声点，其邻域像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，这样能明显消除噪声点是邻域中灰度接近均匀，起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果，是简单的一种平滑方法。

　　字符识别 牌照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。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与的模板进行匹配，选择佳匹配作为结果。基于人工神经网络的算法有两种:一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。车牌识别系统的识别率还与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄方式、车辆速度等等因素的影响。这些影响因素不同程度上降低了车牌识别的识别率，也正是车牌识别系统的困难和挑战所在。为了提高识别率，除了不断地完善识别算法还应该想办法克服各种光照条件，使采集到的图像利于识别。

　　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。