车牌识别

 车牌识别的技术难点包括（以下是自己的理解，不代表权威，大家不要尽信）：

1、车牌定位。

      方法一：利用车牌位置跳变点比较丰富的特点可以找到车牌可能的区域，这些区域中有些是非车牌区域，可根据车牌自身尺寸的比例或它和整幅图的比例来排除非车牌区域。

     方法二：投影法。

2、车牌识别。

     方法一：BP神经网络，它通过对字符的训练可以比较准确地识别不同的字符。这里的训练跟人记单词的情景差不多，如，人在记Cat这个单词时，会看着写在纸上的Cat，然后读出Cat，如果读出来的不是Cat，就纠正过来，不断学习可以让你的脑神经每次看到Cat就准确读出Cat。

那么神经网络是靠什么来让使纸上的Cat和Cat读音联系起来的呢？

神经网络一般分三层：输入层、隐含层、输出层。

纸上的Cat可以从输入层输入（映射到大脑皮层），然后（大脑皮层会传递给相关的其他神经单元，也即）传递给隐含层，在传递给隐含层时会（造成电子信号能量的变化，从而）改变输入信号的值，也就是对输入信息进行加权运算。最后，从隐含层再传给输出层，就可以发出Cat的读音。

每次对读音进行纠正时都会重新输入Cat，再读出Cat音。而且每次都会改变每个节点的权值（也就是改变电子信号能量的能力），从而让Cat音趋向正确。