关于IRE，定义CCD摄像机的视频输出大振幅为100IRE或者700毫伏，一个100IRE的视频表示可以完全驱动一个监视器表现好亮度和对比度的影像，只有50IRE或350毫伏的视频表示只有一半的对比度，30IRE或者210毫伏表示只有原始振幅的30%，通常30IRE是低的可用图像的数值，一个标准的摄像机当自动增益提高到大增益时噪度等级应该在10IRE，因此能提供3:1或10dB信噪比可以接受的影像。一个在10IRE下测量的结果可以比在100IRE下测量的结果高出10倍，因此没有标出IRE等级的结果实际上是没有意义的。 3、摄像机的信噪比。在光线很好的情况下，摄像机的信噪比都很好，图像上看不出噪波点，但在光线较暗时，信噪比指标好的摄像机图像依然清晰噪波点少，信噪比指标差的摄像机，噪波点会淹没整个图像。

交通场景中车辆对象的实时检测是基于视频的交通监测系统中重要也是基本的步骤.是视频检测法的，检测的正确与否直接关系到智能交通系统决簧的正确性，兴趣区域(Rcpon Of Interestinl;，ROI)提取是对交通场景视频图像中的车辆进行粗分割.***识别系统将有可能是车辆的区域从复杂的交通场景中分割出来以便进行后续的检测与跟踪操作.对一个像素检测主要是利用了在视频图像序列中处于同一位置的像素信息，而不是仅仅利用一帧中该像素的周围像素信息，这主要是由视频图像的特点决定的.对ROI的提取主要有光流法、帧差法、背景差法等几类方法。

　　1、背景差法

　　背景差法的基本思想是先形成交通场景的背景图像，然后将待检酒图像与背景图像逐像素相减(理想情况下的差值图像中非零像素点就表示了运动物体)，进而就可运用N值方法将运动物体从背景中分离出来。

，在开发 LPR 算法之前，要确定算法的目的和要求。LPR 算法的终目的是识别车辆的***号码，所以识别正确率自然是系统设计中应该首要考虑的因素。影响识别正确率的因素有很多，主要的有以下几点：一是***的准确性;二是识别前字符的预处理;三是字符识别的算法。为了提高识别正确率，需要对现有的***字符识别算法进行改进，在后面的章节中会有详细的介绍。

　　其次，LPR 算法在工作时需要实时处理交通流量信息，所以系统的工作效率——即识别时间也是系统设计时必须要考虑的因素，一般要求在 1s 内能够完成识别，这就要求识别算法的复杂度、运算量不能太大。

　　除了算法识别正确率和识别时间外，算法软件的操作界面应尽量简单、友好，还要考虑系统的无故障运行时间，系统体积的大小等因素。，算法设计要面向现场、面向终端客户的需求，考虑到 LPR 系统在户外工作，所以要克服外面环境的复杂性及光照条件的变化，设计出一套适应性较强的算法。

车辆到达小区入口摄像机识别区域，自动识别车辆***号码，并对车辆类型做出判断。

　　月卡车：***识别自动开闸放行/手工开闸放行可选，车辆进出信息及图片保存数据库。

　　临时车：***识别自动开闸入场/手工开闸放行可选，计时并保存入口抓拍图片到数据库。出场通过***识别计时收费，按临时车收费标准收费，车主可选择现金***、微信***(无人值守可在自助缴费终端机***)，***车费后开闸放行。

　　无牌车辆：可输入码，扫描微信名片，扫描二维码进入车场，系统记录数据库，出场采用同样的方式，系统自动计时收费，***车费后开闸放行。