无人值守停车场管理主要通过车牌识别、车位引导、无感支付等技术实现。当车辆进入停车场时，入口车牌识别一体机主动监测到车辆的车牌(智能道闸)，并对其身份进行识别。如果是内部车辆/已购买停车位车辆，则道闸开启，车子驶进停车场；如果是临停车辆，则道闸开启并开始计算其停车时长，车辆便可开进停车场。另外摄像机可以抓拍下该车辆的进出场照片，存储在云服务器上。车辆离开停车场时，出口控制机自动检测到车辆的到来，并判断车辆身份。如果是临时车，则计算其临停费用，根据设定要支付费用后方可离开，或可先离场再支付；如果是内部车/已购买车位车辆，直接道闸开启，车辆驶出停车场。在停车收费方面，用户可以通过车场内的自助缴费机或者扫码下载APP、注册小程序等方式来完成缴费充值，这样可以实现快速离场，不会在出入口处发生拥堵了。
车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证_车牌识别系统公司小编来为大家娓娓道来：​
1.牌照定位
自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，**选定一个**的区域作为牌照区域，并将其从图像中分离出来。
2.牌照字符分割
完成牌照区域的定位后，再将牌照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。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部*小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。
3.牌照字符识别方法
主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择**匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。
实际应用中，车牌识别系统的识别率还与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄方式、车辆速度等等因素的影响。这些影响因素不同程度上降低了车牌识别的识别率，也正是车牌识别系统的困难和挑战所在。为了提高识别率，除了不断地完善识别算法还应该想办法克服各种光照条件，使采集到的图像*利于识别。
我司服务：
通道闸​ http://www.qishunzn.com​


资讯来源：上海车牌识别系统