1、車輛識別技術是智能交通系統(tǒng)(Intelligent Transportation System，ITS)的關鍵技術之一，車牌及車標識別技術是車輛識別技術的重要研究領域。車牌與車標是車輛信息的重要組成部分，其在車庫管理、路口收費、交通違章抓拍等場景都發(fā)揮了極其重要的作用，具有很大的經濟價值和現實意義。
　　本課題對近年來車牌識別及車標識別技術相關的理論和算法做了較為全面的了解和分析，系統(tǒng)地闡述了車牌識別技術和車標識別技術的難點。在P

2、C平臺上完成車牌識別系統(tǒng)和車標識別系統(tǒng)的開發(fā)和優(yōu)化，其中重點對車牌識別技術中涉及的字符分割和字符識別、車標識別技術中涉及的車標定位、識別部分進行深入研究和改進。本文主要工作如下:
　　(1)在車牌字符分割方面，應用了一組基本圖像處理方法對車牌分割前圖像進行預處理，并基于此提出了一種動態(tài)模板結合非零像素點的字符分割方法。首先根據車輛牌照字符按比例排列分布的特性設置車牌模板，使用模板在預處理后的車牌圖像中滑動，并動態(tài)地改變模板的寬度，

3、每滑動一次計算模板中七個字符區(qū)域內非零像素點的數目，以包含最大的非零像素點數目的模板位置作為最終車牌字符的分割位置，實現字符分割。對實驗數據庫進行測試，包含預處理在內的字符分割模塊的正確率為95.62％，平均耗時14.75ms。
　　(2)在字符識別方面，實現了基于支持向量機(Support Vector Machine，SVM)結合局部二值模式(Local Binary Pattern，LBP)特征的字符識別，經測試檢驗，該方法

4、有較好的準確率且耗時較少。對識別錯誤的字符進行統(tǒng)計分析，歸類觀察到錯誤字符多為圖像質量較差（如傾斜、殘缺、模糊等）的字符?；诖?，本文整理收集了大量低質量字符樣本，加入原字符訓練集中重新訓練得到分類器，將字符識別正確率從94.80％提高至97.73％，實驗結果表明訓練集對樣本的覆蓋程度對分類器的性能有很大影響。
　　(3)在車標定位方面，針對已有車牌檢測技術實現車標的定位。該定位方法首先對車標周圍水平或豎直紋理進行抑制以突顯車標區(qū)