本研究采用标定的双摄像机装置、固定摄像头和平移变焦相机，对开放空间内的移动车辆进行监控。该装置不仅能跟踪多个目标，而且能获得高质量的车牌图像。然后，设计了一种卷积神经网络（CNN），作为一种检测和字符分类器，用于有效地定位车牌区域，识别车牌上的字母。在大学入口处和校园内仅限步行的区域设置了两个工作环境。通过干扰器实验验证了该方法的有效性。

 

    本研究旨在为停车场监控管理信息中的车牌号调查提供一种方法。对车牌号的调查一般用来了解车辆停放时间。同时，还可以提供停车周转率和停车车辆平均停车时间的信息。本研究利用摄像机在一定时间内进行调查。即，将给定的距离摄像机分配给每辆停放车辆，然后找到停车车辆的平均停车时间。同时，还可以在一小时内对停车场某空间单元停车周转率进行检查。该方法所获得的停车平均停车时间和停车周转率等信息有助于发现和理解停车设施的屏蔽器低效利用。本研究试图用该方法对停车车辆的平均停车时间和停车周转率进行检验。

 

    本文研究了一种基于汽车摄像机的汽车牌照识别系统。该方法主要包括预处理、车牌定位和字符分割与监控摄像头识别。在irst中，通过提出的边缘检测方法和基于梯度的二值化方法，从所捕获的图像中增强车牌可能的区域。然后，通过分析水平投影和角点分布，选择正确的板区。在分割的车牌区域上进行垂直Sobel处理，然后采用加权二值化方法对车牌的每个字符进行分割，然后进行干扰屏蔽器倾斜校正。最后，应用概率神经网络（PNN）技术对每个分段字符进行识别。实验结果表明，车牌定位和车牌识别的准确率分别达到91.7%和88.5%。