隨著信息時(shí)代的到來(lái)，現(xiàn)代智能交通系統(tǒng)能夠很輕易的識(shí)別出汽車牌照，這是智能交通管理的標(biāo)志之一。智能交通管理系統(tǒng)的牌照識(shí)別集合了圖像采集和預(yù)處理、車牌定位技術(shù)、字符分割和字符識(shí)別等相關(guān)技術(shù)。其中，車牌定位、字符分割和字符識(shí)別是關(guān)鍵的技術(shù)，也是本次畢業(yè)設(shè)計(jì)的難點(diǎn)所在。正確利用好這三種關(guān)鍵技術(shù)，將有助于牌照識(shí)別的實(shí)時(shí)性和準(zhǔn)確性，對(duì)于智能交通系統(tǒng)的實(shí)現(xiàn)有著決定性作用。在MATLAB軟件開(kāi)發(fā)環(huán)境下，系統(tǒng)對(duì)圖像進(jìn)行預(yù)處理、然后將預(yù)處理后的圖像進(jìn)行定位分割，后識(shí)別出相應(yīng)牌照上的字符，這樣就可以模擬設(shè)計(jì)出汽車牌照識(shí)別系統(tǒng)。本文的圖像預(yù)處理模塊是將圖像灰度化和用Canny算子進(jìn)行邊緣檢測(cè)，汽車牌照定位依據(jù)是它的顏色特征，使用MATLAB中的Radon函數(shù)和Imrotate函數(shù)來(lái)進(jìn)行車牌矯正；分割字符時(shí)，需要先找到連續(xù)的文字塊，然后根據(jù)長(zhǎng)度大小來(lái)確定是否分割，假如所找到的連續(xù)文字塊的長(zhǎng)度大于閾值，那么就表示可以對(duì)此文字塊進(jìn)行分割。并且為了能對(duì)車牌上的字符進(jìn)行正確的識(shí)別，本文將采用BP神經(jīng)網(wǎng)絡(luò)算法。后設(shè)計(jì)GUI界面，使界面更加簡(jiǎn)潔明了，便于操作。根據(jù)實(shí)驗(yàn)得出的結(jié)論，這種方式可以對(duì)藍(lán)色的車牌進(jìn)行、的識(shí)別，同時(shí)，也對(duì)光照、旋轉(zhuǎn)和噪聲表現(xiàn)出很好的魯棒性，定位精度和識(shí)別正確率甚至可以超過(guò)90%。

人臉識(shí)別考勤機(jī)是一種新型的存儲(chǔ)類考勤機(jī)，只需收集職工 的面像并樹(shù)立檔案，當(dāng)職工上下班站在人臉識(shí)別考勤機(jī)的識(shí)別區(qū)域內(nèi)，考勤機(jī)上就會(huì)快速的記載考勤情況并保存記載。下面小編給我們介紹一下人臉識(shí)別考勤機(jī)分類。指紋考勤：這個(gè)就是我們現(xiàn)在用的***多的方法，有點(diǎn)在于識(shí)別效人臉識(shí)別門禁：人臉識(shí)別門禁是基于的人臉識(shí)別技術(shù)，結(jié)合成熟的ID卡和指紋識(shí)別技術(shù)而推出的安全實(shí)用的門禁產(chǎn)品。產(chǎn)品采用分體式設(shè)計(jì)，人臉、指紋和ID卡信息的采集和生物信息識(shí)別及門禁控制內(nèi)外分離，實(shí)用性高、安全可靠。

系統(tǒng)采用網(wǎng)絡(luò)信息加密傳輸，支持遠(yuǎn)程進(jìn)行控制和管理，可廣泛應(yīng)用于銀行、***、公檢法、智能樓宇等區(qū)域的門禁安全控制。邁通科技是人臉識(shí)別系統(tǒng)設(shè)備生產(chǎn)廠家,長(zhǎng)期致力于人臉識(shí)別系統(tǒng)設(shè)備的研發(fā)與生產(chǎn),為客戶提供一站式解決方案和***的技術(shù)服務(wù)，價(jià)格實(shí)惠，服務(wù)好。果好，速度快，可是存在部分人員無(wú)法運(yùn)用的情況。ID卡考勤：現(xiàn)在仍是有許多的客戶都是在運(yùn)用ID卡來(lái)考勤，優(yōu)點(diǎn)速度非常快，而且能夠在公司組成一卡通的形式，可是存在于職工代打卡的現(xiàn)象。紙卡鐘考勤：紙卡鐘是現(xiàn)在考勤設(shè)備行業(yè)界***原始的設(shè)備，優(yōu)點(diǎn)是計(jì)算便利，無(wú)需電腦，可是存在于購(gòu)買考勤卡的耗材費(fèi)用。

車輛檢測(cè)可以采用埋地線圈檢測(cè)、紅外檢測(cè)、雷達(dá)檢測(cè)技術(shù)、視頻檢測(cè)等多種方式。采用視頻檢測(cè)可以避免破壞路面、不必附加外部檢測(cè)設(shè)備、不需觸發(fā)位置、節(jié)省開(kāi)支，而且更適合移動(dòng)式、便攜式應(yīng)用的要求。
系統(tǒng)進(jìn)行視頻車輛檢測(cè)，需要具備很高的處理速度并采用好的算法，在基本不丟幀的情況下實(shí)現(xiàn)圖像采集、處理。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無(wú)法檢測(cè)到行駛速度較快的車輛，同時(shí)也難以在有利于識(shí)別的位置開(kāi)始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備技術(shù)難度。

那么如何實(shí)現(xiàn)車牌識(shí)別的呢，下面簡(jiǎn)單說(shuō)說(shuō)：
對(duì)現(xiàn)存的車牌識(shí)別算法進(jìn)行了研究，在諸多算法中尋找到一種適合在Android、iOS平臺(tái)上運(yùn)行的算法。先通過(guò)智能手機(jī)的攝像頭獲得車牌的彩色圖像，然后將采集到的圖像進(jìn)處理，包括通過(guò)YUV模型進(jìn)行灰度化，分段線性變換進(jìn)行灰度拉升，二值化，Roberts算子進(jìn)行邊緣檢測(cè)，數(shù)學(xué)形態(tài)學(xué)處理等，然后通過(guò)Hough變換進(jìn)行車牌矯正，其次用雙投影和灰度跳變的方法實(shí)現(xiàn)車牌的定位、分割，后通過(guò)模板匹配實(shí)現(xiàn)車牌識(shí)別。

移動(dòng)端車牌識(shí)別實(shí)現(xiàn)的過(guò)程簡(jiǎn)單為以下幾個(gè)部分：

圖像采集：通過(guò)智能手機(jī)攝像頭拍攝車牌圖像。

預(yù)處理：灰度化、二值化、邊緣增強(qiáng)、噪聲過(guò)濾、自動(dòng)白平衡、自動(dòng)曝光以及伽馬校正、對(duì)比度調(diào)整等。

車牌定位：在經(jīng)過(guò)圖像預(yù)處理之后的灰度圖像上進(jìn)行行列掃描，確定車牌區(qū)域，車牌切斜校正。

字符分割：在圖像中定位出車牌區(qū)域后，通過(guò)灰度化、二值化等處理，定位字符區(qū)域，然后根據(jù)字符尺寸特征進(jìn)行字符分割。

字符識(shí)別：對(duì)分割后的字符進(jìn)行縮放、特征提取，與字符數(shù)據(jù)庫(kù)模板中的標(biāo)準(zhǔn)字符表達(dá)形式進(jìn)行匹配判別。

結(jié)果輸出：將車牌識(shí)別的結(jié)果以文本格式輸出。