隨著信息時代的到來，現代智能交通系統能夠很輕易的識別出汽車牌照，這是智能交通管理的標志之一。智能交通管理系統的牌照識別集合了圖像采集和預處理、車牌定位技術、字符分割和字符識別等相關技術。其中，車牌定位、字符分割和字符識別是關鍵的技術，也是本次畢業設計的難點所在。正確利用好這三種關鍵技術，將有助于牌照識別的實時性和準確性，對于智能交通系統的實現有著決定性作用。在MATLAB軟件開發環境下，系統對圖像進行預處理、然后將預處理后的圖像進行定位分割，后識別出相應牌照上的字符，這樣就可以模擬設計出汽車牌照識別系統。本文的圖像預處理模塊是將圖像灰度化和用Canny算子進行邊緣檢測，汽車牌照定位依據是它的顏色特征，使用MATLAB中的Radon函數和Imrotate函數來進行車牌矯正；分割字符時，需要先找到連續的文字塊，然后根據長度大小來確定是否分割，假如所找到的連續文字塊的長度大于閾值，那么就表示可以對此文字塊進行分割。并且為了能對車牌上的字符進行正確的識別，本文將采用BP神經網絡算法。后設計GUI界面，使界面更加簡潔明了，便于操作。根據實驗得出的結論，這種方式可以對藍色的車牌進行、的識別，同時，也對光照、旋轉和噪聲表現出很好的魯棒性，定位精度和識別正確率甚至可以超過90%。

智能車牌識別一體機工程識別數據：人臉識別需要積累采集到的大量人臉圖像相關的數據，用來驗證算法，不斷提高識別準確性，這些數據諸如A Neural Network Face Recognition Assignment(神經網絡人臉識別數據)、orl人臉數據庫、麻省理工學院生物和計算學習中心人臉識別數據庫、埃塞克斯大學計算機與電子工程學院人臉識別數據等。人臉識別配合程度：現有的人臉識別系統在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結果。但是，在用戶不配合、采集條件不理想的情況下，現有系統的識別率將陡然下降。比如，人臉比對時，與系統中存儲的人臉有出入，例如剃了胡子、換了發型、多了眼鏡、變了表情都有可能引起比對失敗。廣州智能車牌識別一體機工程

具體的工作原理和停車場所采用系統有關。作為當下主流兩款車位引導系統，視頻車位引導除了起步晚于超聲波車位引導外，他們兩者又有哪些不同?停車場管理者又應該如何抉擇呢?工作原理不同：辨別超聲波車位引導系統和視頻車位引導系統直觀方法是看停車位上方所使用的車位探測器。超聲波車位引導使用的是超聲波探測器。