珠海停车场车牌识别定制
在车牌的字符分割中，有许多因素会对车牌的字符分割造成影响，例如图像的噪声、车牌的定位不、字符的粘连、汉字的不连通等。本文介绍一种改进的水平投影算法，该算法能够克服这些因素造成的不良影响，并且能够准确的分割出车牌，为后续的识别做好准备。为了分割出相互独立的字符，对经过Otsu算法阈值化的灰度图进行分割。以下以改进的水平投影算法为例进行介绍:去除车牌字符的上下边界以外的区域。对灰度化的车牌图像从下向上逐行扫描，并统计出每行的像素值为 255 的像素的个数，当像素值为 255 的像素个数大于 7时（车牌有 7 个字符），认为寻找到车牌字符的下边界。同理，从上向下逐行扫描，能够寻找到车牌字符的上边界。去除车牌字符上下边界以外的区域。去除车牌字符上下边界之后，设车牌的高度为 height，宽度为 width。
百万高清摄像机，辨认率更高； 车牌识别系统不仅运用于停车管理，也运用于城市交通管控，常见的问题有以下几种情况:对污损的车牌识别效果不佳车牌识别系统的环境适应性需加强高分辨率和识别速度之间的矛盾车牌定位和车牌字符的分割停车场车牌识别系统出现问题的解决方法如下:感光部件对外部环境的处理外部环境是影响车牌识别的主要因素，在采集车辆图像时，由于使用环境的光线变化对车牌识别抓拍的图像影响很大。所以要解决因环境问题造成车牌识别的识别率低下，要依靠车牌识别摄像机的感光部件对外部环境的处理。
车辆进出管理，在出入口安装车牌识别设备，记录车辆的牌照号，深入时间，结合自动门栏杆机的控制设备，实现车辆的自动化管理。它可以用在停车场，实现自动定时收费。它还可以自动计算可用停车位的数量并给出提示，实现停车费的自动管理，以节省人力，提高效率。智能小区的应用可以自动判断车辆是否进入本小区，并自动对非内部车辆进行自动计时收费。
决策树模型的特点:与其他分类算法相比，决策树模型有以下优点:可理解性强、速度快。一般决策树模型缺点是:缺乏伸缩性:由于进行深度优先搜索，所以算法受内存大小限制，难于处理大训练集。为了处理大数据集或连续量的种种改进算法（离散化、取样） 不仅增加了分类算法的额外开销，而且降低了分类的准确性，对连续性的字段比较难预测，当类别太多时，错误可能就会增加的比较快，对有时间顺序的数据，需要很多预处理的工作。在有噪声的情况下，拟合将导致过分拟合（overfitting），即对训练数据的拟合反而不具有很好的预测性能。