车牌识别系统国内外研究现状

数字图像处理，起源于20世纪20年代，当时采用了数字压缩技术，通过海底电缆从英国伦敦到美纽约传输了一幅照片。随着1946年2月14日，世界上第一台电子计算机的诞生、存储介质CPU、计算机系统、模板匹配、统计特征等模式识别技术的不断发展。国外在图像处理和机器视觉技术上的研究也不断跟进，到20世纪80年代，便对车牌识别系统展开了研究。最初由于拍照条件和拍照环境比较恶劣，加上硬件和理论方法跟不车牌的识别率和速度一直满足不了社会的需求，使得车牌识别一直停留在实验室阶段，得不到实际的运用。随着研究的不断深入，1994年，神经网络方法的出现解决了恶劣拍摄条件下对模糊和残缺字符的识别问题，提高了系统的鲁棒性，并在实际中得到了广泛有应用。 进入21世纪，随着计算机硬件的不断提高,各种车牌识别法时间效率飞速提高，车牌识别技术的应用已经逐渐走进市场。比较著名的有美国的Hi-Tech Solutions (HTS) 公司和匈牙利的AdaptiveRecognition公司等。作为自动车辆识别系统（Automatic Vehiele Identification) AVI技术的领先公司之一的HTS公司提供车辆到集装箱号码识别等技术的一系列解决方案，旗下最著名的产品SeeCar车牌识别（LPR/ANPR)系统可用于高速公路里汽车的实时识别，可以在每秒2-3辆，各种天气下，速度高达80公里/小时的条件下进行识别。
国内的汽车牌照自动识别系统的研究起步伴随着改革开放的春风成长。特别是最近几年，移动互联网、物和手机的发展，车牌识别这方面研究的如雨后春笋般发展。由于我国的车牌种类样式繁多，悬挂没有统一的标准，并包含结构复杂的汉字，导致不能直接套用国外现成的LPR车牌识别系统。但国内的LPR还是包含国外的车牌定位、字符分割和识别三个步骤。
车牌定位是从源图像（复杂背景）中提取车牌的区域图片。目前国内主要的车牌定位方法有基于车牌边缘特征的定位、基于车牌颜色特征的小波变换定位技术，基于彩色图像边缘检测算子的定位方法等。 为了提高软件的定位成功率，除常用的单一方法定位外，对于背景分布率高的车牌定位采用分布式，先对车辆进行定位，再利用颜色特征的从定位出来的车辆里再去定位车牌，对于复杂背景的采用基于信息融合的方法，融合边缘特征、颜色以及纹理的定位方法。字符分割是从已分割出来的车牌图中再提取单个字符图片，常用的方法有基于二值化车牌垂直投影的分割方法、模板匹配的最大类间方差及基于聚类连通域分析等。字符识别是将分割出来的字符图像转换成机器、计算机能识别的字符串。常用方法有模版匹配、支持向量积和神经网络等识别的字符串。常用方法有模版匹配、支持向量积和神经网络等识别的字符串。常用方法有模版匹配、支持向量积和神经网络等。
国内在车牌识别系统的基础研究上，比较有名的高效研究机构清华大学、浙江大学、上海交通以及哈尔滨工业等一些实验室。在市场上比较著名的公司有北京汉王、沈阳聚德、川大智胜、上海高威、清华紫光、杭州友通、深圳科安信及常州普云等。