為了測試一個(gè)車牌識(shí)別系統(tǒng)識(shí)別率，需要將該系統(tǒng)安裝在一個(gè)實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24小時(shí)以上，采集至少1000輛自然車流通行時(shí)的車牌照進(jìn)行識(shí)別，并且需要將車輛牌照圖像和識(shí)別結(jié)果存儲(chǔ)下來，以便調(diào)取查看。然后，還需要得到實(shí)際通過的車輛圖像以及正確的人工識(shí)別結(jié)果。之后便可以統(tǒng)計(jì)出以下識(shí)別率：

幾乎每家都宣稱擁有高辨識(shí)率，但為了避免事后因?yàn)殡p方對產(chǎn)品認(rèn)知有差異，而將運(yùn)作不良的責(zé)任互相推托，用戶在采購車牌辨識(shí)系統(tǒng)時(shí)，不妨要求實(shí)地測試，而且測試時(shí)間好超過兩個(gè)禮拜，比較能判斷辨識(shí)結(jié)果是否“言過其實(shí)”。因?yàn)槎嘧兊沫h(huán)境，兩個(gè)禮拜應(yīng)該可以對于場域可能影響辨識(shí)率的情形，大約掌握了八成，如果只是測一天、甚至幾個(gè)小時(shí)，是無法了解的。

智能車牌識(shí)別系統(tǒng)不抬桿原因多種。智能車牌識(shí)別系統(tǒng)是由車牌識(shí)別一體機(jī)、工業(yè)級(jí)到咋、語音集成顯示屏及系統(tǒng)軟件等部分組成，所以我們要排查問題的所在，工作流程為地感線圈→車輛檢測器→車牌識(shí)別一體機(jī)→收費(fèi)系統(tǒng)→控制器→道閘，所以原因工作中負(fù)責(zé)傳輸信號(hào)的網(wǎng)線或者信號(hào)線的連接問題，或者是工作中部件是否出故障等；

攝像頭不停地拍照，交給系統(tǒng)去判斷。原理很簡單，因?yàn)闆]有車輛時(shí)，拍的照片是固定的。撐死了也就白天一幅圖、晚上一幅圖、下雨一幅圖、陰天一幅圖等。有了基礎(chǔ)的圖，就可以區(qū)分有車輛進(jìn)入地圖了。有人說這樣的容錯(cuò)率也太低了，很容易出錯(cuò)。是的，這的確容易出錯(cuò)，所以軟件端做了進(jìn)一步的技術(shù)深入：車輛輪廓識(shí)別。車輛輪廓識(shí)別與車牌識(shí)別的輪廓識(shí)別原理是一樣的，可以參考下面車牌輪廓識(shí)別部分。

圖片初級(jí)處理——灰度化、二值化大家都知道，灰色是介于白色和黑色之間的顏色，而且這個(gè)灰色深淺不一樣，所以白色和黑色之間的灰色就有很多。這顏色一多，計(jì)算機(jī)就眼花繚亂了。所以呢，干脆把圖片二值化。啥叫二值化呢？就是讓圖片只有黑色和白色，就是只有兩個(gè)顏色值，顧名思義把圖片搞成黑白二色的過程就是二值化。再形象的比喻一下，就是熊貓化！在計(jì)算機(jī)RGB顏色空間內(nèi)，白色就是255，黑色就是0，其他顏色就是在這0-255之間了。

圖形檢索，定位車牌圖片處理到這一步，來了——車牌檢索。動(dòng)腦筋的朋友可能已經(jīng)意識(shí)到了，車牌是規(guī)則的長方形，我們只要找二值化后圖片里的長方形就好了。問題來了，你找長方形，問題是有些車輛的撒熱窗就是長方形。愛動(dòng)腦筋的小伙伴已經(jīng)注意到了，車牌的長寬比與車身其他位置的形狀長寬比不同。掌握了上面的基本常識(shí)，那么我們距離找到車牌就更近了。計(jì)算機(jī)掃描整個(gè)二值化的圖片，由左到右，由上到下，把顏色從黑到白或者由白到黑的像素全部記錄下來。然后根據(jù)這些像素來計(jì)算哪個(gè)區(qū)域是長方形，并且符合車牌的比例。