下载文档原格式
《数字图像处理》课程设计报告设计题目：基于图像处理的车牌识别技术学院：xxxxxxxxxxxxxxxx专业：xxxxxxxxxxxxxxxxxxxxxxxxxxx姓名：xxxxxxxxxxxxxxxxxxxxxxx学号：xxxxxxxxxxxxxxxxxxx指导教师：xxxxxx2015 年xx 月xx 日摘要智能交通系统已成为世界交通领域研究的重要课题，车牌识别系统作为智能交通系统的核心，起着非常关键的作用。
目前，图像处理技术在车牌识别中的应用研究已经成为科学界的一个重要研究领域。
本课程设计旨在粗浅地运用所学基本原理和知识分析数字图像处理技术在友好环境下的应用（所选车牌识别的车辆图片均为友好环境下，易于处理的实验图片，不具有广泛性）。
以车牌为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符分割和字符识别等一系列过程，完成车牌的识别。
关键词：智能交通、数字图像处理、车牌识别ABSTRACTIntelligent transportation system has become an important research topicin the world of transportation, license plate recognition system as thecore of intelligent transportation system, plays a key role. At present,the application of image processing technology in vehicle license platerecognition has become an important research area of the scientificcommunity.This course is designed to scratch the surface and apply the knowledgeto analyze the basic principles of digital image processing technologyin a friendly environment (experimental vehicle license platerecognition image selected pictures are environment-friendly, easy tohandle, does not have the breadth) . With license plate for the study,the main research how image preprocessing, license plate and licenseplate character segmentation and character recognition process and aseries of complete license plate recognition.Keywords：smart transportation 、Image Processing 、License Plate Recognition目录1、绪论 (4)1.1问题提出 (4)1.2背景及现状分析 (4)1.3目的及意义 (5)1.4开发工具 (5)2、系统设计 (5)2.1总体设计方案 (5)2.2流程图 (5)2.3模块功能分析 (6)2.3.1图像预处理 (6)2.3.2车牌定位 (8)2.3.3字符分割 (8)2.3.4字符识别 (10)3、系统结果分析 (12)3.1本系统结果分析 (12)3.2本系统的不足 (12)4、课程设计总结 (13)5、课程设计体会 (13)6、参考文献 (13)7、附录 (14)1、绪论伴随着工业的迅速发展，城市化的进展和汽车的普及，世界各国的交通量急剧增加。
基于图像处理的车牌识别系统设计近年来，随着数字化、智能化的快速发展，车辆管理变得越来越便捷，其中，车牌识别技术的发展可谓是一大亮点。
基于图像处理的车牌识别系统更是在各种场景下得到了广泛应用。
本文将从系统设计的角度来探讨基于图像处理的车牌识别系统的要素和实现方法。
系统组成要素一、硬件设备1、摄像头：负责将车牌所在的图像采集及传输给计算机进行相应的处理。
2、计算机：负责数据处理、分析、识别及与其他设备的通讯。
3、输入输出设备：例如显示器、存储设备，用于输出车牌识别结果或存储相关信息。
二、软件设备1、图像采集软件：运行在计算机中，负责与摄像头交互，获取车牌区域的图像。
2、车牌检测软件：根据车牌在图像中的特征，将其在图像中定位出来。
3、字符分割软件：将定位出来的车牌字符进行分割，为后续的字符识别做好准备。
4、字符识别软件：根据车牌的字符图像，识别出其中的具体字符信息。
5、车牌信息处理软件：对车牌字符信息进行处理，比如格式转化、存储等操作。
系统实现方法一、车牌检测车牌检测是车牌识别系统中非常重要的一环，它的效率和准确性关系到整个车牌识别系统的使用效果。
目前常用的车牌检测方法主要有：1、模板匹配法：将预先准备好的车牌模板与图像进行匹配，如果匹配程度高，就认为该区域可能为车牌。
2、颜色法：由于车牌颜色特定，在图像中检测预设的颜色来实现车牌检测。
3、滑动窗口法：通过滑动窗口的方法，检测图像中与车牌尺寸相似的区域。
二、字符分割字符分割是将车牌的字符从车牌中分割出来，为后续的字符识别打好基础。
常用的字符分割方法如下：1、按垂直投影法：通过垂直投影判断字符的分割位置，再将车牌按分割位置切割，得到字符图片。
2、SVM分类法：使用支持向量机分类器，训练一组分割规则，再基于分割规则进行字符分割。
三、字符识别字符识别是车牌识别系统中的核心问题，对车牌识别的准确率影响很大。
常用的字符识别方法如下：1、模板匹配法：使用模板匹配算法对字符进行匹配，匹配程度越高，识别准确率越高。
基于数字图像处理的车牌识别技术研究摘要:随着我国经济的日益增长,人们生活节奏的加快,汽车的数量也变得越来越多,随之人们对交通控制以及安全管理的要求也日益提高。
现在,交通管理正朝着智能交通系统的方向发展,车牌识别系统作为智能交通系统的一个重要组成部分,已经在城市交通中占据中非常重要的作用。
车牌识别系统在不影响汽车状态的情况下,利用计算机自动完成车牌的识别,从而大大简化了交通管理工作。
目前解决车辆牌照识别技术主要有车牌定位技术、车牌校正技术、图像处理技术、车牌分割技术等,本文主要研究基于数字图像处理的车牌识别技术,本文首先介绍了数字图像处理的定义和车牌识别技术的原理,最后分析了车牌识别技术在实际应用中的相关问题。
关键词:数字图像处理车牌识别智能模式识别最早运用数字图像处理技术解决汽车车牌识别是在20世纪80年代,当时在这个领域的研究只停留在讨论车牌识别中的某一个具体问题,通常是采用简单的图像处理技术,并没有形成比较完整的系统体系。
随着现代计算机技术以及视频技术的不断发展,基于数字图像处理的车牌识别技术已经广泛应用于车辆追查和跟踪、公路收费监控等领域。
目前,国内外已经有众多企业进行了车牌识别技术的研发,虽然取得了一定的成功,但是仍然存在着若干缺陷。
本文首先介绍了数字图像处理的相关理论知识,然后以车牌识别技术的原理为出发点,分析了车牌识别技术的相关应用问题。
1 数字图像处理的相关理论知识数字图像处理就是运用计算机技术,来处理由图像转来的数字信号,来满足人们对其信息的需求。
数字图像技术最早起源于20世纪20年代初,至今为止已经八十几年了,这期间随着计算机技术和信息技术的飞速发展,特别是网络技术的高速发展,数字图像凭借其传输速度快、可远程服务、使用工具简单以及信息量非常丰富等优势已经成为人们获取信息的重要源泉。
而数字图像处理凭借其处理内容丰富、处理精度高以及可处理复杂的非线性运算等优点更加促进了其自身在各个领域中的发展。
基于二值化图像的车牌识别算法研究车牌识别是计算机视觉领域中的一个重要研究方向，其在交通管理、智能交通系统、安全监控等方面具有广泛的应用前景。
而基于二值化图像的车牌识别算法是车牌识别中的重要环节之一。
本文将对基于二值化图像的车牌识别算法进行研究，探讨其原理与实现方法。
首先，我们需要了解二值化图像的概念。
二值化是将图像从灰度或彩色图像转化为只包含两个像素值的图像的过程。
在车牌识别中，二值化可以将车牌区域与背景分离，便于后续的字符识别。
在实现二值化的过程中，常用的方法包括全局阈值法、自适应阈值法和基于颜色的二值化方法等。
全局阈值法是指通过设定一个阈值，将图像中所有像素值大于该阈值的像素置为白色，而将像素值小于阈值的像素置为黑色。
这种方法简单快速，但对于亮度变化较大的图像，其效果可能不理想。
为了克服全局阈值法的不足，自适应阈值法被提出。
自适应阈值法将图像分割为若干个小块，在每个小块内计算局部阈值，并将每个像素与其所在小块的局部阈值进行比较，从而实现二值化。
这种方法在处理亮度变化较大的图像时效果更好，但计算量较大。
基于颜色的二值化方法则是利用车牌的颜色特征进行二值化。
车牌通常具有固定的颜色，因此可以通过颜色阈值将车牌区域与背景区分开来。
这种方法对于不同颜色的车牌具有较好的适应性，但对于一些黑白车牌则可能不适用。
在得到二值化图像后，接下来是对图像进行车牌区域的定位。
车牌定位是车牌识别中的一个重要环节，其目的是将图像中的车牌区域准确地找出来。
常见的车牌定位方法包括颜色定位法、形状定位法和基于特征的定位法等。
其中，颜色定位法是通过颜色特征将车牌区域与背景区分开来。
这种方法需要先对图像进行颜色空间转换，然后根据车牌的颜色分布规律来进行车牌定位。
形状定位法则是通过车牌的形状特征来进行定位，例如通过匹配车牌边缘的形状信息来确定车牌区域。
基于特征的定位法则是通过分析车牌的特征，例如车牌字符的位置、字符间距等信息来进行定位。
图像处理技术在车牌识别中的使用技巧研究随着交通日益增多，车牌识别系统扮演着重要的角色，确保交通安全和管理。
图像处理技术在车牌识别中的应用已经取得了显著的进展，并且在许多实际应用中得到了广泛的应用。
本文将探讨车牌识别中的图像处理技术，并提出一些使用技巧，以提高准确性和效率。
一、图像预处理在车牌识别中，预处理是非常重要的一步，其目的是消除噪声、增强车牌图像的对比度和清晰度。
以下是一些常用的图像预处理方法：1. 图像的灰度化通过将彩色图像转换为灰度图像，可以减少计算量并简化后续处理步骤。
使用加权平均灰度法或者基于亮度感知的方法进行灰度化。
2. 去噪噪声会干扰车牌的识别过程，通过应用滤波算法，如中值滤波或高斯滤波，可以有效减少图像中的噪声。
3. 增强对比度使用直方图均衡化技术可以增强图像的对比度，使得车牌字符更加清晰可辨。
二、车牌定位车牌定位是车牌识别中的一个关键步骤，其目的是检测图像中的车牌位置。
以下是一些常用的车牌定位方法：1. 基于边缘检测的方法在车牌图像中，车牌和背景之间存在明显的边缘差异。
通过应用边缘检测算法，如Canny算法、Sobel算法或拉普拉斯算法，可以提取车牌图像的边缘特征，进而定位车牌。
2. 基于颜色的方法车牌通常具有特定的颜色特征，如中国车牌一般为蓝色。
通过分析图像中的颜色信息，可以筛选出可能的车牌区域。
可以使用颜色模型转换、颜色阈值分割等技术实现。
三、字符分割字符分割是将车牌区域中的字符分离为单个字符的过程。
以下是一些常用的字符分割方法：1. 基于投影的方法字符分割通常通过分析字符在水平或垂直方向上的投影信息来实现。
通过计算投影峰值和波谷之间的间距，可以判断字符之间的分割位置。
2. 基于联通区域的方法字符之间通常存在一定的连通性，通过分析车牌上字符的连通区域，可以实现字符的分割。
可以利用连通域标记算法或基于连通性分析的方法。
四、字符识别字符识别是车牌识别的核心步骤，其目的是将分割得到的字符识别为相应的字符。
安防监控系统的车牌识别技术车牌识别技术作为现代安防监控系统中的重要组成部分，已经得到了广泛的应用。
它通过对车辆的车牌信息进行自动识别和记录，能够提高安全管理的效率，并且为追踪和定位车辆提供了有效的手段。
本文将介绍安防监控系统中常见的车牌识别技术，并探讨其应用前景。
一、基于图像处理的车牌识别技术基于图像处理的车牌识别技术是目前应用最广泛的一种方法。
它通过对车辆图像进行预处理、特征提取和车牌识别等步骤，将车辆的车牌信息提取出来。
其中，预处理阶段包括图像灰度化、二值化、去噪等操作，以提高图像的质量；特征提取阶段则通过边缘检测、字符分割等技术，将车牌从背景中区分出来；最后，车牌识别阶段采用模板匹配、字符识别等方法，实现对车牌字符的准确识别。
二、基于深度学习的车牌识别技术随着深度学习技术的快速发展，基于深度学习的车牌识别技术也逐渐崭露头角。
相比于传统的图像处理方法，基于深度学习的技术在特征提取和分类识别方面具有更高的准确性和鲁棒性。
通过使用深度神经网络，可以直接对原始图像进行端到端的训练，无需手工设计复杂的特征提取算法。
这种方法不仅能够提高车牌识别的准确率，而且对于光照、角度、尺度变化等问题也具有较强的适应性。
三、车牌识别技术的应用前景随着社会的进步和科技的发展，车牌识别技术在安防监控系统中的应用前景非常广阔。
首先，它可以用于智能交通管理，通过对车辆的实时监控和车牌信息的识别，可以实现违章行为的检测和道路拥堵的预测等功能。
其次，车牌识别技术也可以应用于停车场管理，通过自动识别车牌，实现车辆的自助进出和停车位的智能分配，提高停车场的管理效率。
此外，车牌识别技术还可以应用于车辆追踪和犯罪调查等领域，为公安机关提供有力的技术手段。
总结起来，安防监控系统中的车牌识别技术是一种重要的技术手段，它通过对车辆的车牌信息进行自动识别和记录，提高了安全管理的效率，为追踪和定位车辆提供了有效的手段。
目前，基于图像处理和基于深度学习的车牌识别技术是应用较为广泛的方法。
基于图像处理技术的车牌识别方法研究作者：朱明秀来源：《信息记录材料》2019年第03期【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。
【关键词】图像处理技术车牌识别方法抓取识别【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-031 引言随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。
对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。
2 车牌识别技术概述2.1 车牌识别技术现状近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。
②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。
另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。
2.2 车牌识别技术的研究意义一方面是缓解交通压力的实际需求，随着我国汽车保有量的迅猛增加，我国的交通压力也越来越大，在这种情况下迫切需要出台一些行之有效的措施和技术来协助进行智能化和自动化的管理，以此缓解压力，由此可见交通压力的需求也迫切需要进行车牌识别技术研发。
另一方面，科学技术的发展，物联网技术的发展，也要求交通管理行业进行智能化的研发，车牌识别技术作为智能交通管理的重要组成部分，通过这方面的研发，也能有效提高交通管理的效率，从而实现行业的创新，促使行业的发展。
3 车牌识别系统组成与研发难点3.1 车牌识别系统的组成车牌识别系统主要是将数字摄影技术和计算机智能管理技术进行融合，通过图形处理和模式识别技术，来进行图像提出、车牌定位工作，以此实现对车辆的自动化、智能化管理。
车牌识别系统一般分为几个方面（如图1），首先在检测区域设置车辆图像采集设备，再次通过采集设备将图像上传至计算机，通过计算机实现图像定位、分割、识别处理，最后再通过识别结果来进行具体交通管理问题，这也是本文我们将研究的重点。
3.2 车牌识别工作的难点从上图一车牌识别系统工作流程图中我们可以看出在整个车牌识别工作中，主要工作又5部分，图像特征提取、图像预处理、车牌的定位与分割、字符分割与标准以及最终的识别与输出，在这个过程中车牌图像的定位与分割是整个系统的关键，其处理质量直接影响到整个系统的速度和准确度，但实际操作过程中，获取的图片会受到天气、速度、路况以及车身情况等各个因素影响，最终抓取的图片会存在清晰度、准确度的问题，但如果不能准确抓取，后续工作将无法开展，因此这是研究的关键和难点之一。
除此，最后的识别步骤关系到最终结果，因此对识别结果的准确性要求极高，其直接决定着整个系统是否能进行最终使用，否成功，在本次研究中，这两个点也是我们关注的问题。
本文我们主要是基于图像处理技术进行车牌识别，本次研究我们将以现有的模式识别为理论，以现有图像处理为技术，分别对车牌图像分割，特征进行提取，再从车牌定位、字符分割、字符识别三个方面进行重点研究探讨。
3.3 具体车牌识别方法研究3.3.1车牌定位首先车牌定位依靠的是抓取的图片，但在实际操作过程中，会因为车牌本身的底色、自然环境、天气以及车牌本身的灰度、广告以及粉尘等原因导致无法准确识别，最终导致无法准确定位，对此，我们采取以下方法来攻破这一难题。
（1）采用边缘检测方法将原始图像转化成灰度图传统车牌定位的识别是依靠车牌的边界来进行抓取的，但本次研究我们采取了边缘检测发来进行定位抓取，与边界不同，边缘检测是由灰度值的变化而不是根据实际的间隔线，因为间隔线会因为速度和环境出现扭曲、模糊的情况，但边缘不会，边缘是根据灰度值的变化来看的，在图像中，不同物体的边缘会比较明显，通过边缘检测则相对会更准确。
但因为边缘检测是根据图像强度计算像素而来，因此对于图片质量要求会比较高，一些质量不高的图片则会出现无法计算的情况，因此我们在采用边缘法进行定位时，加入了滤波器对图片进行降噪，并且采用了一定的方式方法来控制滤波器在处理过程中边缘强度和图像噪声的平衡。
除此，在滤波器滤噪后我们通过计算机进行了梯度幅值增强图像，以此排除一些幅值相差较大却不是边缘的点，最后再利用边缘位置的像素分辨率估计边缘的方位，以达到提高定位准确度的效果。
（2）通过二值图像形态学来降噪除了采用滤波器进行降噪外，本次研究我们尝试了通过二值图像形态学来进行降噪處理。
通过数学学科中的形态学能有效减缓图像数据，通过膨胀、腐蚀、开运算、比运算等4个基本运算将一些不相干的结构元素简化，但在简化图像的同事能保持图像的形象特征，通过这种方式我们能效的去除掉车身的装饰、广告等元素。
本次研究我们采取的二值图像则采取这一方式，首先通过腐蚀的计算来消除图像的边界点（也是我们说的开运算），再消除边界点后，将图像的小物体图像删除，使剩下的图像比原图像变得更简单，从而有效的实现降噪处理，然后再通过膨胀处理有效的填补了车身本身的小空洞，使车身和车牌成为一个整体的目标物体，有效联通了车身和车牌的域（这也是我们所说的闭运算），通过比运算以连接相近的物体图像，填充物体图像中的像素小洞，使车牌和车身连成一体，从而更好的确认车牌与车辆的相符度。
（3）通过车牌图像预处理实现准确定位无论是缘检测方法还是二值图像形态学进行去噪定位时，都是通过灰度来的，一是灰度的辨别，二是灰度的拉伸，但这会因为图片亮度和对比度有关系，因此在获取的图片亮度和对比度不合理时，则需要技术人员人为进行图片处理预处理，通过人工的方式将输入的车牌图像二值化处理后再进行平滑处理，通过特定的计算公式（g（灰度值）=0.110B（蓝色）+0.588G （绿色）+0.302R（红色））来将三原色的加权值转变为灰度值，以此达到更加准确的分析和定位。
3.3.2字符分割（1）首先进行车牌图像校正因为摄像头所处方位的原因，或者车牌所处位置的原因，在图片拍摄的时候得到的图片往往都是倾斜的，在以往的识别处理技术中，通常会通过找到车牌上下框的最长线段，再用传统的hough变化来进行检测，但这种方法花费时间非常多，效率不高。
对此，本次研究我们摒弃了这种方法，而采用基于定位原水平线的方法来进行矫正，在校正的时候根据车牌勤写情况，直接将图像分割成三部分，选择中间没有铆钉的图像作为分割内容，用二值化图像出来进行垂直投影分割，确保在分割后至少存在2个完整支付，再将这两个字符的最高点和最低点找出来，以此确定原像素水平线，再通过旋转来对车牌进行矫正，确保车牌的“端正”。
（2）进行车牌字符分割进行字符分割是将车牌中的每个字符分割出来，我国的车牌是由汉字、数字、字母组成，通过车牌我们能清楚知道此车的详细信息，因此正确的字符分割直接关系到后续的车牌识别是否能顺利进行。
目前常用的车牌字符分割法有直线分割、模板匹配字符分割以及基于先验知识的字符分割。
但这三种分割法各有优劣，直线分割虽然操作简单，直接根据车牌字符位置来进行切割，但这种分割法对图像尺寸精度要求高，且分割点会因为图像中的杂质、噪音的干扰，出现错误。
而基于模板匹配字符的分割是根据我国车牌设计特点而来的匹配算法，这种算法对图像要求也比较高，而且如果上文我们所说的校正不到位也会出现分割准确性降低，基于先验知识的字符分割算法也是比较现有的，主要根据每个字符的长宽、间距来进行分割，分割方法相对比较现有，也比较成熟。
本次研究我们以垂直投影法为主，通过垂直投影进行分割，但与传统的垂直投影不同我们在垂直投影的同时对噪声以及固定车牌的铆钉进行了降噪、去粘处理，通过降噪处理后的字符分割能更加准确、有效。
3.3.3字符识别字符识别是最后一步，也是关键的一步，目前我们运用的比较多的是模板匹配法，虽然通过模板匹配法能准确识别车牌，但其存在识别速度慢，实时性不高，及相近字符误判的情况，对此我们在研究过程中采取了基于字型特征的树分类模板来解决。
（1）传统的模板匹配法现在我们常用的模板匹配法是图像识别中较有代表性的，首先，技术人员建立含二值数字化的模板，再建立相识度公式来进行原图与模板的比较，算出衡量模板与待识别图的相似度，再将模板一一与待识别字符进行匹配运算，从而算出原图与模板的差距，找到与原图最相近的模板字符。
（2）基于字型特征的树分类模板匹配法为了解决我们上文说到的传统模板匹配法速度慢，相近字符误判的情况，我们在研究中采取基于字型特征的树分类模板匹配法来进行车牌字符识别。
该方法从两方面进行操作：首先根据树形分层理论，建立3个分类器，分类器1对车牌第一个字符，即省的简称进行识别；分类器2对第二个代表市的大写字母进行识别；分类器3对最后五位字符进行识别。
其次，根据字符的不同特点将位置数据根据特征进行分类，根据字符的轮廓区别进行区分，在选取的字符图像中选取15个位置点进行检测并确定像素值，再根据这些像素点对所识别字符进行分级，如：检测字符高度与宽度比，比值大于 4，字符为 1，如果不符合，再排除与所识别字符相似的模板和其他一部分模板，再进行第二轮检测，最后再用剩余模板进行匹配检测，检测突变字符的情况，以此类推逐步排除不可能的字符模板，最后用剩下的模板对字符进行模板匹配算法来解决传统模板匹配中的问题。
4 结语基于图像处理技术的车牌识别方法能有效提升我国交通管理的效率，也能有效提高我国交通管理的科技含量，但目前使用的方法大多还比较传统，存在着效率低、错误率高的情况，随着我国交通压力的增大，必须要对此进行改进，本文我们则通过将车牌图像二值图像处理的方法提高对车牌原图的定位，再通过定位原水平线的校正方法和模板匹配的字符分割算法来有效提高车牌分割精确度，最后通过模板匹配和树分类法来提高效率和改变相近字符误判的情况，从而使车牌识别更精准，从而为我国建立智能交通系统奠定基础。
