赣州无人值守闸门定制
基于分类器的字符识别基于分类器的字符识别，是目前应用较广的一种车牌识别方式。其主要的思路是通过对样本数据的学，达到自动将数据分类到已知类型。分类器其实是一种数学模型，目前有很多类型的分类器，包括Bayes分类器、决策树模型、BP神经网络分类器等。 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有大后验概率的类作为该对象所属的类。也就是说，贝叶斯分类器是小错误率意义上的优化。
贝叶斯分类器的特点是: 贝叶斯分类并不把一个对象对地指派给某一类，而是通过计算得出属于某一类的概率，具有大概率的类便是该对象所属的类； 一般情况下在贝叶斯分类中的属性都潜在地起作用，即并不是一个或几个属性决定分类，而是的属性都参与分类； 贝叶斯分类对象的属性可以是离散的、连续的，也可以是混合的。 贝叶斯定理给出了小化误差的解决方法，可用于分类和预测。但在实际中，它并不能直接利用，它需要知道据的确切分布概率，而实际上我们并不能确切的给据的分布概率。因此我们在很多分类方法中都会作出某种假设以逼近贝叶斯定理的要求。 决策树(decision tree)一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。 决策树就是将决策过程各个阶段之间的结构绘制成一张箭线图，我们可以用下图来表示。
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。
剩下的字符都是英文字母和阿拉伯数字，这些字符不存在不连通性的问题，于是，仅仅利用个阈值 threshold 1就可以分割出车牌剩下的字符。当车牌的个汉字字符被分割出来之后，继续扫描车牌区域图像，当某一列的像素值为 255 的像素个数开始大于阈值 threshold 1时，这一列就是车牌字符开始的位置，当某一列的像素值为 255 的像素的个数开始小于阈值 threshold 1时，这一列就是车牌字符的结束位置。如此重复的下去，直到把车牌剩下的字符也分割出来为止。