车牌识别系统的识别率和识别准确率越高越好，但同时需认识到识别率达到100%是不可能的，一方面因为车牌污损、模糊、遮挡，或者糟糕的天气(下雪﹑冰雹﹑大雾等等)都会严重影响识别的效果，另一方面一些中英文字符的分割与识别本身难度较大，比如“川”字易错误分割，以及“0-Q”、“2-Z”、“4-A”、“5-S”、“7-T”、“8-B”、“O-D”等易混淆字符。因为识别率的统计是以号牌信息有效的车辆总数为基础的，所以，如果考虑了各种环境、情况下的车牌，车牌识别系统在实际应用中的识别率会大打折扣，在无法识别时仍依赖人工进行判断、识别。
针对传统车牌识别算法中字符识别率偏低的缺点，目前出现了一种基于卷积神经网络的识别方法，通过对车牌字符图像的样本学习，优化神经网络每层的权值参数，从而在很大程度上提高车牌的字符识别率。仿真结果表明，采用卷积神经网络的识别方法对车牌中的字符进行识别，正确识别率可以到达99%，识别率和抗干扰性明显优于结构特征法、模板匹配法等传统识别方法(后两者分别只有94%、95%)。
利用神经网络的优势，采用一种改进的基于卷积神经网络的识别机制对车牌照中的字符进行识别。该识别方法通过对理想预处理条件下的车牌字符图片的学习，优化了网络系统中各层的权值参数，大大提高了车牌照中的字符识别率。在实际应用中，对于前期预处理出现的车牌定位不清、字符分割错误等缺点，如果进一步优化网络结构，则可以识别预处理较差条件下的车牌字符。
声明:
凡文章来源标明“中国智能交通网”的文章版权均为本站所有，请不要一声不吭地来拿走，转载请注明出处，违者本网保留追究相关法律责任的权利；所有未标明来源为“中国智能交通网”的转载文章均不代表本网立场及观点，“中国智能交通网”不对这些第三方内容或链接做出任何保证或承担任何责任。
征稿:
为了更好的发挥中国智能交通网资讯平台价值，促进诸位自身发展以及业务拓展，更好地为企业及个人提供服务，中国智能交通网诚征各类稿件，欢迎有实力的企业、机构、研究员、行业分析师投稿。投稿邮箱： zw.ding@cps.com.cn（查看征稿详细）
