从上个世纪 90 年代至今，世界各国都在进行关于智能交通系统的许多研究，也在积极开展 车牌识别系统的探索工作，目前取得了一些成果，并运用到了实际中。虽然业界使用了很多技 术方法，但受到外界环境的干扰，比如光线变化、光照不均以及车牌自身字符模糊等原因， VLPR 系统的实际使用状况一直有待加强。74261

国 外 目 前 已 经 有 了 一 些 相 对 成 熟 的 车 牌 识 别 产 品 ， 其 中 包 括 ： 香 港 的 Asia Vision Technology 公司的 VECON 产品，以色列的 See/Car System 系列，新加坡的 Optasia 公司的 VLPS 系列等等。除此之外，英国、日本、美国等一些发达国家也有了适合本国车牌的产品， 并且相关的研究还在继续[5]。

1991 年，国际著名学者 C。Oliver 与 R。Mullot 等人提取了车牌和车牌的文字纹理特征，并使 用机器学习方法来提取它们的共性特征，从而高效监测出原始图像中车牌文字的位置。此类方 法最初用于识别集装箱上的编号，后来被引入车牌识别领域，并且也取得了很好的识别效果

。Thanongsak Sirithnaphong 等人提出了应用 BP 神经网络的方法识别车牌，实验结果的准确率 在 84％左右[7]。目前国外较好的车牌定位方法包括 P。R。的离散傅里叶变换的频域分析方法，还 有 B。 J。提出的水平线搜索的方法，一集基于局部二值化的方法[8][9]。

与国外的技术相比，国内的车牌识别技术还处于不断完善的阶段，有许多地方是通过人工 操作来进行识别的。国外的先进技术在国内虽然也有很多借鉴意义，但是中国的牌照有以下一 些自身特点。

（1）汉字识别难度大，车牌内容包含了数字、汉字、字母。论文网

（2）车牌号码的颜色众多，包括红白黑，同时底色也是白蓝黑黄四种颜色。

（3）车辆种类繁多，各种车的牌照也不尽相同。

（4）牌照固定的位置层次不齐，安装位置不固定会造成定位困难。 我国目前比较成熟的产品由杭州海康威视、北京信路威、汉王公司生产。这些产品基本满

足大众使用需求，同时，各大高校也在实验室中进行着相关的研究。朱伟刚等人根据图像的颜 色特征，分割出图像中的车牌信息特征，并取得了很好的分割效果[10]。戚飞虎和赵雪春等人在 图像颜色分割的基础上，额外增加了多级混合的检测器来实现车牌的识别[11]。张引等人利用了 区域生长算子以及边缘检测算子 Color Prewitt 算子，对图像中的车牌进行有效分割[12]。张玲等 人在车牌的定位算法中引入了遗传算法引，尽管处理速度稍慢，但定位效果非常好[13]。王玫等 人利用车牌颜色特征的伴生性和互补性，也实现了车牌的有效定位[14]。

目前市场上存在的大部分车牌识别系统基本都依赖于 PC 机运行，而在某些特殊场合中， 车牌识别功能对系统的体积、性能、实用性和性价比有着相对严格的要求。在这样的应用场景 下，基于 PC 的车牌识别系统的实用价值受到很大的限制，因而凸显出本文中的将车牌识别技 术与嵌入式系统相结合的重要性与必要性。设计出一套更具实用性、更加便捷精巧的嵌入式车 牌识别系统，将会为车牌识别系统的发展提供更加广阔的空间。