車(chē)輛在現(xiàn)代交通系統(tǒng)中起著至關(guān)重要的作用，牌照為任何車(chē)輛提供了一種標(biāo)準(zhǔn)的識(shí)別方法，為此，開(kāi)發(fā)了自動(dòng)車(chē)牌識(shí)別系統(tǒng)，這包括四個(gè)主要步驟：獲取圖像的預(yù)處理、車(chē)牌區(qū)域的提取、分割和字符識(shí)別。

　　在早期的研究中，直接應(yīng)用Sobel邊緣檢測(cè)算法或應(yīng)用閾值作為提取車(chē)牌區(qū)域的關(guān)鍵步驟，在高強(qiáng)度的光照下，提取的圖像并不能產(chǎn)生有效的結(jié)果，在分割過(guò)程中使用形態(tài)學(xué)操作會(huì)導(dǎo)致字符畸形。

　　針對(duì)上述問(wèn)題，我們提出了一種獨(dú)特的邊緣檢測(cè)算法，經(jīng)常創(chuàng)建和更新所需車(chē)輛的數(shù)據(jù)庫(kù)也是一項(xiàng)繁瑣的任務(wù)，這個(gè)問(wèn)題通過(guò)使用“物聯(lián)網(wǎng)”來(lái)解決，在物聯(lián)網(wǎng)中，可以從任何模塊立即創(chuàng)建和更新在線數(shù)據(jù)庫(kù)。

　　此外，通過(guò)物聯(lián)網(wǎng)，我們將地理區(qū)域內(nèi)的所有攝像頭連接到一臺(tái)服務(wù)器，以創(chuàng)建一個(gè)“通用眼”，這大大增加了跟蹤車(chē)輛的可能性，而不是將手動(dòng)數(shù)據(jù)庫(kù)連接到每個(gè)攝像頭上進(jìn)行識(shí)別。