在停車場(chǎng)管理中，車牌識(shí)別技術(shù)也是識(shí)別車輛身份的主要手段。在深圳市建設(shè)的《停車庫（場(chǎng)）車輛圖像和號(hào)牌信息采集與傳輸系統(tǒng)技術(shù)要求》中，車牌識(shí)別技術(shù)成為車輛身份識(shí)別的主要手段。

車牌識(shí)別系統(tǒng)(Vehicle License Plate Recognition，VLPR) 是指能夠檢測(cè)到受監(jiān)控路面的車輛并自動(dòng)提取車輛牌照信息（含漢字字符、英文字母、阿拉伯?dāng)?shù)字及號(hào)牌顏色）進(jìn)行處理的技術(shù)。車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車的車牌號(hào)碼，從而完成識(shí)別過程。

某些車牌識(shí)別系統(tǒng)還具有通過視頻圖像判斷是否有車的功能稱之為視頻車輛檢測(cè)。一個(gè)完整的車牌識(shí)別系統(tǒng)應(yīng)包括車輛檢測(cè)、圖像采集、車牌識(shí)別等幾部分。當(dāng)車輛檢測(cè)部分檢測(cè)到車輛到達(dá)時(shí)觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像。車牌識(shí)別單元對(duì)圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來進(jìn)行識(shí)別，然后組成牌照號(hào)碼輸出。

自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，后選定一個(gè)佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來。
牌照字符識(shí)別方法
主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。基于模板匹配算法將分割后的字符二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，選擇佳匹配作為結(jié)果?；谌斯ど窠?jīng)網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。
實(shí)際應(yīng)用中，車牌識(shí)別系統(tǒng)的識(shí)別率還與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過程也會(huì)受到環(huán)境亮度、拍攝方式、車輛速度等等因素的影響。這些影響因素不同程度上降低了車牌識(shí)別的識(shí)別率，也正是車牌識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷地完善識(shí)別算法還應(yīng)該想辦法克服各種光照條件，使采集到的圖像利于識(shí)別。