车牌识别系统采用高度?？榛纳杓?，将车牌识别过程的各个环节各自作为一个独立的?？?，其系统框架如下所示。

　　1、车辆检测跟踪?？?/strong>

　　车辆检测跟踪?？橹饕允悠盗鹘蟹治?，判断其中车辆的位置，对图像中的车辆进行跟踪，并在车辆位置最佳时刻，记录该车辆的特写图片，由于加入了跟踪?？?，系统能够很好地克服各种外界的干扰，使得到更加合理的识别结果，可以检测无牌车辆并输出结果。

　　2、车牌定位?？?/strong>

　　车牌定位?？槭且桓鍪种匾幕方?，是后续环节的基础，其准确性对整体系统性能的影响巨大。车牌系统完全摒弃了以往的算法思路，实现了一种完全基于学习的多种特征融合的车牌定位新算法，适用于各种复杂的背景环境和不同的摄像角度。

　　3、车牌矫正及精定位?？?/strong>

　　由于受拍摄条件的限制，图像中的车牌总不可避免存在一定的倾斜，需要一个矫正和精定位环节来进一步提高车牌图像的质量，为切分和识别?？樽鲎急?。使用精心设计的快速图像处理滤波器，不仅计算快速，而且利用的是车牌的整体信息，避免了局部噪声带来的影响。使用该算法的另一个优点就是通过对多个中间结果的分析还可以对车牌进行精定位，进一步减少非车牌区域的影响。

　　4、车牌切分?？?/strong>

　　车牌系统的车牌切分?？槔昧顺蹬莆淖值幕叶?、颜色、边缘分布等各种特征，能较好地抑制车牌周围其他噪声的影响，并能容忍一定倾斜角度的车牌。这一算法有利于类似移动式稽查这种车牌图像噪声较大的应用。

　　5、车牌识别?？?/strong>

　　在车牌识别系统中，通常采用多种识别模型相结合的方法来进行车牌识别，构建一种层次化的字符识别流程，可有效地提高字符识别的正确率。另一方面，在字符识别之前，使用计算机智能算法对字符图像进行前期处理，不仅可尽可能保留图像信息，而且可提高图像质量，提高相似字符的可区分性，保证字符识别的可靠性。

　　6、车牌识别结果决策?？?/strong>

　　识别结果决策?？?，具体地说，决策?？槔靡桓龀蹬凭右暗墓塘粝碌睦芳锹?，对识别结果进行智能化的决策。其通过计算观测帧数、识别结果稳定性、轨迹稳定性、速度稳定性、平均可信度和相似度等度量值得到该车牌的综合可信度评价，从而决定是继续跟踪该车牌，还是输出识别结果，或是拒绝该结果。这种方法综合利用了所有帧的信息，减少了以往基于单幅图像的识别算法所带来的偶然性错误，大大提高了系统的识别率和识别结果的正确性和可靠性。

　　7、车牌跟踪?？?/strong>

　　车牌跟踪?？榧锹枷鲁盗拘惺还讨忻恳恢≈懈贸党蹬频奈恢靡约巴夤?、识别结果、可信度等各种历史信息。由于车牌跟踪?？椴捎昧司哂幸欢ㄈ荽砟芰Φ脑硕Ｐ秃透履Ｐ?，使得那些被短时间遮挡或瞬间模糊的车牌仍能被正确地跟踪和预测，最终只输出一个识别结果。

　　8、在线学习?？?/strong>

　　在以上各个?？橹?，使用了大量基于学习的算法，系统特别添加在线学习?？?，采用最新的反馈型学习模型，利用决策?？楹透倌？榈玫降某蹬浦柿?、车辆轨迹、速度等反馈信息，智能化地更新一些算法参数，使得系统能快速适应新的应用环境。该算法作为已有算法的一个有力补充，将进一步提高系统性能。