MATLAB - 车牌识别代码打包，全套文件合集 包括有3个版本的matlab资料包，数据集，以及Lenet5_EasyPR_D训练样本集等 liccode=char(['0':'9' 'A':'Z' '苏豫陕鲁']); %建立自动识别字符代码表

汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。

matlab车牌识别代码，包括测试图以及GUI界面说明。车牌定位提取，二值化，切割以及字符识别等。能直接运行，易上手

实验要求：用matlab实现车牌号的提取，对不同的图片可能要自己调参，所附的实验图片效果不错

MATLAB - 从网上收集的各种车牌识别 多个程序打包。 有神经网络和模板识别

基于MATLAB车牌识别系统，有本人测试图片

SupPlate车牌识别系统软件----经得起考验的车牌识别。 带视频跟踪车辆功能，可用于十字路口和路段上卡口违法抓拍. 可检测闯红灯,压实线,压双黄,变道行驶,禁左、直、右转,逆行,违法停车. 有着非常强大的功能。 厦门宸天电子科技有限公司 网站 : http://www.dragonskytech.com 可下载识别演示和sdk开发包。 SupPlate集视频检测卡口,闯红灯电子警察,逆行检测为一体,抓拍率全天候约90%,有效率大于80%。 可很好识别高清照片，对于图像质量差的高清图片，可较好识别。 SupPlate车牌识别是在厦门宸天电子科技有限公司图像处理研发团队经过几年不断精心设计和努力开发的产品。 可识别各种大陆的车牌，包括蓝牌和黑牌，黄牌和白牌，其中黑牌可识别港、澳车牌；黄牌可以识别单排黄色车牌，大型车后车牌和摩托车牌；白牌可以识别包括警车，武警车牌和军车。还可识别香港、澳门地区的车牌，南非和印度尼西亚的车牌识别也有实际应用。 宸天SupPlate车牌识别有以下几大特点： (1):对图像质量要求不敏感：即使图片中车牌处于背光、泛白的情况下(术语对比度低) ,或者车牌字符出现断裂、遮挡、有污渍、模糊、掉漆等等情况，本车牌识别都可较好的识别出来； (2):对图像大小格式要求不严格：可以识别任意大小的图片，在默认参数下车牌字符高度在7～45的范围内，均可识别，对施工要求不是很高； (3): 识别速度快：在P4 2.0 ,512M 机器下768*288图片识别时间不超过50毫秒,如果针对移动实时的可小于30毫秒。 (4):集卡口，闯红灯，逆行，压双黄，移动电子警察等功能为一体，性价比国内最高。 (5):可识别高清晰图片，最大可以获取4个车牌号码。识别500万象素的图像,不超过300毫秒. 特别说明的是：本系统在768*288的图片下识别率极强(对任意质量的图片基本保持在98%以上)，识别准确率较高(全天候约90％),其他大小的图片均可较好的识别。 非常优秀的功能：视频检测和车牌识别一体的识别控件（OCX形式），集成1394与DV连接的移动电子警察功能,录像识别功能.还把摄像机的闯红灯电子警察，路段式卡口和逆行检测融合为一体，在抓拍违法车辆和经过车辆后进行车牌识别，并给出车辆图片(2张全景，1张特写)，车辆信息(车型，车速，经过时间等)，违法信息(正常，闯红灯，逆行，超速等)和车牌信息(车牌号码，车牌颜色，车牌在图像位置信息等)。卡口最多可支持2方向8车道,闯红灯最大可支持4方向,16个车道，替代线圈检测，省去破路面，埋线圈，线圈检测器和系统状态监控器的费用，为用户节约很大一部分的成本。本控件视频检测全天抓拍率大于95%，车牌识别率超过98%，识别准确率约90%,已在国内大量实际应用。 技术服务 QQ :506268930 欢迎加为好友,方便联系. http://www.dragonskytech.com 电话：0592－5622436 5616833

opencv python 车牌识别代码 可以直接运行

matlab中车牌识别代码 ----MATLAB 这是一个在MATLAB上实现车牌识别的程序，识别算法有两种，分别为神经网络和模板匹配 1、文件夹“charSamples”为神经网络训练的样本图片 2、文件夹“样本库”为模板匹配方法的模板 3、在神经网络训练中，我将文件夹“charSamples”中的样本图片都转 换成适合神经网络输入的列向量存到Excel表格中（为文件夹“代码 ”中的pattern3.xlsx） 4、文件夹“代码”中的 cpsb_ModelMatch.m为模板匹配方法代码 cpsb_NeuralNetwork.m为神经网络方法代码 myNeuralNetworkFunction.m为神经网络训练代码 WriteModel2Excel.m为将样本图片写入Excel文件的代码 label_generate.m为生成神经网络输出数据的代码 shuzizifu3.mat保存训练好的神经网络

对车牌进行预处理 二值化 分割 识别 定位 BP神经网络