车辆牌照识别(VLPR)是计算机视频图像识别技术在车辆牌照识别中的应用。车牌识别广泛应用于高速公路车辆管理，电子不停车收费(ETC)系统也是采用DSRC技术识别车辆的主要手段。
车牌识别技术要求能够从复杂的背景中提取并识别出运动的车牌，通过车牌提取、图像预处理、特征提取、车牌字符识别等步骤识别出车牌号码、颜色等信息。目前字母和数字的识别率可以达到99.7%，汉字的识别率可以达到99%。
在停车场管理中，车牌识别技术也是识别车辆的主要手段。在深圳公共停车库(停车场)车辆图像和车牌信息采集传输系统的技术要求中，车牌识别技术已成为车辆识别的主要手段。
车辆牌照识别技术结合电子不停车收费系统(ETC)对车辆进行识别，可以实现车辆自动识别，通过路口时不停车自动收费。在停车场的管理中，为了提高车辆在出入口的通行效率，车牌识别正在通过为不需要收取停车费的车辆(如包月货车、内部免费车辆)建设无人值守的快速通道，改变进出停车场的管理模式。
识别过程
自动车牌识别
它是一种利用车辆的动态视频或静态图像自动识别车牌号和车牌颜色的模式识别技术。其硬件基础一般包括触发设备(监控车辆是否进入视野)、摄像设备、照明设备、图像采集设备、识别车牌号的处理器(如电脑)。其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法。有些车牌识别系统还具有通过视频图像判断是否有车的功能，称为视频车辆检测。一个完整的车牌识别系统应该包括车辆检测、图像采集、车牌识别等部分(如图1所示)。当车辆检测部分检测到车辆的到达时， 它触发图像采集单元采集当前视频图像。车牌识别单元对图像进行处理，定位车牌的位置，然后对车牌中的字符进行分割识别，然后输出车牌号码。
车辆检测
车辆检测可以采用多种方式，如埋地线圈检测、红外检测、雷达检测技术、视频检测等。
使用视频检测可以避免损坏路面，无需额外的外部检测设备和校正触发位置，节省开支，更适合移动和便携应用。
对于视频车辆检测，系统需要较高的处理速度和优秀的算法来实现图像采集和处理不丢帧。如果处理速度慢，会导致丢帧，使系统无法检测到行驶速度较快的车辆，也难以保证识别处理会在有利于识别的位置开始，影响系统的识别率。因此，将视频车辆检测与车牌自动识别结合起来，在技术上有一定的难度。
数字识别
为了识别牌照，需要执行以下基本步骤:
1、车牌定位，定位图片中的车牌位置；
2、车牌字符分割，将车牌中的字符分离出来；
3.车牌字符识别:对分割出来的字符进行识别，最终形成车牌号码。在车牌识别过程中，车牌颜色识别基于不同的算法，可能在上述不同的步骤中实现，通常与车牌识别相互配合，相互验证。
一、车牌定位
在自然环境中，汽车图像背景复杂，光照不均匀。如何准确地确定自然背景中的车牌区域是整个识别过程的关键。首先对采集的视频图像进行大范围搜索，找到几个符合汽车牌照特征的区域作为候选区域。然后，对这些候选区域进行进一步的分析和判断，然后选择一个新的区域作为车牌区域，并从图像中分离出来。
二、车牌字符分割
车牌区域定位完成后，将车牌区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。因为字符在垂直方向上的投影必然会在字符之间或字符内部的间隙处接近局部小值，而且这个位置要满足车牌的字符书写格式、字符、大小限制等一些条件。垂直投影法对复杂环境下的汽车图像中的字符分割有很好的效果。
三、车牌字符识别方法
主要有基于模板的匹配算法和人工神经网络算法。基于模板的匹配算法首先对分割后的字符进行二值化，并将其大小缩放到字符数据库中模板的大小，然后匹配所有模板，并选择匹配作为结果。基于人工神经网络的算法有两种:一种是先提取字符的特征，然后用得到的特征训练神经网络分配器；另一种方法是直接将图像输入网络，网络会自动提取特征，直到识别出结果。
在实际应用中，车牌识别系统的识别率也与车牌质量和拍摄质量密切相关。车牌质量会受到各种因素的影响，如生锈、污损、掉漆、字体褪色、车牌被遮挡、车牌倾斜、高亮反光、多车牌、假车牌等。实际拍摄过程也会受到环境亮度、拍摄模式、车速等因素的影响。这些因素都不同程度地降低了车牌识别的识别率，这也是车牌识别系统的难点和挑战。要提高识别率，除了不断改进识别算法，还要想办法克服各种光照条件，使采集到的图像有利于识别。