一些车牌识别技术的个人总结，里面包含传统的机器学习以及深度学习的部分代码，可以直接运行。

人工智人-家居设计-车牌识别技术的研究及其在智能交通系统中的应用.pdf

基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测 基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测 基于win10系统，实用anaconda配置python环境，在anaconda里面下载vscode对项目进行编辑，基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测 基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测 基于win10系统，实用anaconda配置python环境，在anaconda里面下载vscode对项目进行编辑

基于matlab的汽车车牌定位和字符识别，能够实现车牌图像预处理，车牌定位，字符分割，然后通过神经网络对车牌进行字符识别，最终从一幅图像中提取车牌中的字母和数字，给出文本形式的车牌号码。

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

本文简述了关于计算机自动识别的相关技术在车牌识别方面的应用。

这是基于图像处理的车牌识别的资料 好东西一定要珍惜

基于车牌识别技术的在智能停车管理系统研究.pdf

java车牌识别技术源码，识别率高,速度又快

讲述了什么是神经网络，已经bp神经网络如何在车牌识别中应用，通过本篇文章，可以实现简单的神经网络，当然浮渣的神经网络需要继续学习。