第二篇：車牌的特征及難點
2.1 對我國車牌的認識
我國目前使用的汽車牌號標准是 2007 年開始實施的《中華人民共和國機動車號牌》GA36-2007（2010 年修訂）。根據 GA36-2007 對機動車牌號編排規則規定，我國汽車的車牌構造特點如下：
汽車車牌號的編排規則：我國的標准車輛車牌是由一個省份漢字（軍警車牌為其他漢字）后跟字母或阿拉伯數字組成的 7 個字序列。標准車牌的的具體排列格式是：X1X2·X3X4X5X6X7，X1是各省、直轄市的簡稱或軍警，X2是英文字母，代表該汽車所在地的地市代碼，比如 A 代表省會，B 代表該省的第二大城市，C 代表該省的第三大城市，X3X4X5X6X7為英文字母或阿拉伯數字，2010年以前車牌號碼的分布規律是，前面是字母，后面是數字。但是，隨着車輛保有量的增加，每個字母所屬號段越來越不夠用。按照新《中華人民共和國機動車號牌》（2010 年修訂）標准，將允許字母在后五位編碼中任意一位出現，但不能超過兩個。除了第一個漢字外，字母和數字的筆畫在豎直方向都是聯通的。
牌照類型如下圖：
絕大部分的汽車牌照的寬度為1100px，高度為350px，牌照上一共有7個或8個字符，其中，每個字符的寬度為45mm，高度為90mm，間隔符的寬度為10mm，除了第二個和第三個字符之間的間距為 34mm 外，字符之間的間隔寬度12mm。民用的汽車牌照上有所屬省、自治區或直轄市的簡稱(軍用、警察牌為其他漢字)，監督機關及發證照的代號(大寫的英文字母)后跟阿拉伯數字或英文字母組成的7個字符序列。
可以簡單的歸納為以下特征：
1、顏色特征：即前面的六種類型，采用了對比度較為強烈的兩種顏色的組合使車牌能明顯區分於其它物體，而且車牌邊框為白色或黑色兩種顏色。使領館車牌中的“使”和“領”字為紅色，港澳出入境車牌中的“港”和“澳“兩字為白色。警用汽車摩托車為白底黑字組合，其中”警“字為紅色。
2、車牌具有統一的標准尺寸，這便於字符的分割和車牌的定位。
3、邊緣特征：汽車的車牌邊框是有規則的邊緣，由於汽車車牌的字符排列規則，汽車車牌的垂直邊緣比水平邊緣更為豐富，而汽車的車身卻有豐富的水平邊緣，垂直邊緣不明顯。
4、黑白跳變特征：車牌區域二值化后，字符和背景為一黑一白，存在明顯的黑白跳變，且跳變的次數在一定范圍內。
5、投影特征：汽車車牌圖像進行垂直投影后的圖像是由波峰、波谷交替組成的連續分布圖，垂直投影后的圖像會有約七個波峰或波谷區；汽車車牌圖像進行水平投影后的圖像中灰度跳變的像素點數累加值很大。
了解我國車牌的特征，有利於后續對車牌進行的各種操作，在項目步驟中，這屬於對需求目標的全面了解。對車牌的了解不能跳過，因清楚的知道我們所要處理的的目標的各個特性，這樣才有利於我們利用這些特性來操作車票圖像。
2.2 技術難點
2.2.1、車牌定位中的難點
從環境等客觀因素上來說，汽車的類型有很多且構造不同，使得不同汽車上的懸掛車牌的位置就會不同。這樣，汽車車身與車牌區域出現相似的顏色、紋理，就很可能會造成車牌定位出錯或需更長的時間才能定位出車牌。
車牌定位是指從拍攝的含有車牌的圖像中定位出車牌的淮確位置，然后進一步的提取出車牌圖像。其主要的難點有：
-
周圍環境因素，比如隨機噪聲，天氣氣候(雪天，雨天，霧天等)，光線(白天強光，晚上漆黑等)等。
-
車牌自身因素，比如車牌傾斜，字跡模糊，車牌亂掛裝飾物，車牌周圍廣告標語覆蓋或干擾等。
2.2.2、字符分割中的難點
字符分割是指從含有字符的車牌圖像中將字符分割出來，字符分割的好壞會直接
影響到下一步的字符識別。其主要的難點有：
-
光照影響，不的照射光源(車燈，太陽光或輔助光源)，不同的氣候條件(雨雪陰晴)，不同的光照角度。
-
汽車由於長途奔襲，再加上風吹日曬等各種原因，車牌上的字符可能會粘連，缺損或斷裂，這會給字符分割帶來一定的麻煩。
-
缺乏統一的車牌標准，車牌主要包括普通車牌，外事車牌和軍用車牌等，這些車牌的規格，適用范圍和顏色各有不同。
實際應用中，攝像設備所放的方位和角度有可能造成拍攝出來的車牌圖像傾斜、畸變或部分被遮擋；當汽車處於高速行駛時，所拍攝的車輛圖像清晰度不高；背景復雜的車輛圖像，定位會有一定的困難，對后續的字符分割和字符識別帶來嚴重的困難。
2.2.3、字符識別中的難點
字符識別是指將分割好的字符圖像送到分類器中，對圖像中的字符進行識別。字符識別是整個車牌識別系統中的最后一步，也是最為關鍵的一步。主要的難點有：
-
車牌漢字中繁多的字符筆畫，漢字較字母和數字的識別難度較大。
-
字符圖像的分辨率較低時使得字符筆畫結構特征不明顯，特征難以提取。
-
相似字符的識別(B和8，D和0等)。
從算法上來說，由於采集到的車輛圖像質量不高，存在噪聲、圖像模糊失真、車牌污損、其它字符區域干擾等情況，車牌識別技術中定位、分割、識別實現起來都有很多困難。算法的簡捷、實用、快速往往和算法的速度形成沖突。怎樣提高現有算法的識別率和速度，如何利用車牌的彩色信息進行車牌識別，一幅圖像中多個車牌的情況怎樣識別，怎樣滿足系統實時性要求等，這些都是車牌識別有待研究和解決的問題。