为提高安防措施，延缓不法分子动作，确保营区安全，提出一种营区智能防冲击系统解决方案。该方案以移动物体的外形形状、车牌信息、车辆速度为输入特征，采用虚拟线圈感应、车牌识别、车辆测速、系统控制等方法来实现预警警告和阻车钉的自动弹出，阻止不法车辆的通行。重点阐述该方案的系统构成及各模块的工作原理，设计并实现了基于Virtex5系列XC5VSX50T芯片的硬件平台。

目前，国内很多地区交管部门开始使用移动式雷达测速仪（如车载式测速仪、路侧式测速仪）进行执法。该测速仪具备测速、抓拍、车牌识别等功能，如图1所示。这种测速仪属于强制检定的法制管理计量器具，所以对其性能及检测方法应给予充分的重视。

在车牌字符识别中，针对单一识别方法识别率不高的问题，提出了应用数据融合技术，将不同的识别方法有机地结合起来构成融合型识别系统，有效地、综合地提高整个系统的识别性能。数据层选择了加权平均算法，特征层选择了人工神经网络算法，决策层采用了模糊推理算法实现对车牌字符的最终识别。应用MATLAB进行了仿真，并与单独使用BP神经网络算法的识别率进行了比较，结果证明采用数据融合技术系统的识别率得到了较大提高，达到90％以上。

为实现复杂光照及存在遮挡和污损等情况下车牌识别，提出基于隐马尔可夫特征降维和改进概率神经网络的车牌字符快速精确识别算法，算法通过非负矩阵分解对描述字符特征的高维隐马尔可夫特征进行降维，以消除高维特征矩阵信息冗余并提高特征描述准确性，通过择取代表性样本参与PNN训练，以提高算法的分类精确性，减少硬件性能需求。对比实验结果表明，算法在保持原有统计特征分类识别性能的条件下，显著减少了运行时间，提高了识别准确率。

车牌识别系统是一种新型的服务模式,其利用机器视觉技术对进出的车辆进行识别并且自动放行,实现车辆管理的智能化、无人化。文中提出了一种基于机器视觉的校园车辆出入管理方式,通过视觉对车辆进行识别,相比刷卡和纸票介质这种传统的管理方式,能够实现无障碍不停车出入,大大提高了车辆管理的效率,节省了人力资源。该设计软件部分主要利用LabVIEW进行编写,图像处理算法和数据库利用的是LabVIEW中专门的VISION工具包和Database工具包进行编写,控制部分采用Arduino控制器。