屠 菁，刘登胜，钟雪景

（1.合肥学院 人工智能与大数据学院，安徽 合肥 230601；2.东南大学 软件学院，江苏 苏州 215123）

车牌识别（Automatic license plate recognition，ALPR）［1］是先通过彩色、黑白或红外相机拍摄图像，然后由机器通过图像处理或模式识别相关算法达到自动识别车牌号码的目的，用于减轻人为的工作量以及提高管理效率。 但是，车牌类型或环境的不确定增加了车牌的检测和识别难度，如车辆型号和相机距离的不同， 会对车牌的定位造成困扰；另外环境和光线也给拍摄的图像识别造成了困难。

车牌识别技术在智能处理领域一直是国内外学者主要的研究方向。例如，以色列Hi-Tech 公司和新加坡Optasia 公司，都研制了比较成熟的产品［2-3］。我国学者也一直在进行相关识别算法的研究，如刘军等［4］使用两层高斯金字塔模型分析汉字图像，再由神经网络分类器实现汉辨别；陈宏照等［5］提出基于OpenCV 的车牌定位方法，即将色彩与纹理相结合；张变莲等［6］利用 SUSAN 算子和 SIFT 算法实现对车牌区域边缘检测和字符识别；林乾毕［7］提出通过 SVM 分类器判断图像中的车牌区域［8］，然后由ANN 神经网络完成字符识别。 国内外车牌的排列规则不同，虽然国外研究效果较好，但是并不适用国内。 而国内的研究注重对算法的理论研究，较少与实际应用场景相结合。

本文主要讨论基于K- nearest neighbor（KNN）分类算法的车牌识别在停车场中的具体应用，系统拟在原车辆信息管理的基础上，增加车牌自动识别模块。首先，预处理原始车辆图像，削弱噪声的影响并缓和图像模糊；……