Accuracy and real-timeliness are the top concerns in vehicle plate recognition. Several factors put restrictions on plate recognition system, including illumination, vehicle high speed, camera angle, and bad weather condition. Damaged and pale plates also lead to incorrect recognition in the present approaches. In this regard, this paper proposes an efficient robust method for vehicle plate recognition, which consists of four steps: (i) vehicle detection, (ii) plate detection, (iii) character segmentation, and (iv) character recognition. In the first step, the vehicle image is detected using background emission. Plates are localized by means of character recognition and pattern matching approaches in the second step, where the contours are recognized and extracted using connected component analysis, and then, low-density areas are emitted using density criterion and vehicle plate is extracted. In the third step, statistical feature, filtering methods, and morphology operators are employed for segmentation and extraction of plate characters. After plate segmentation, statistical and global features and local pattern are extracted from each segment image for segment classification in the final step, where features are ranked using F-Score, and then, classification of each section to one of 37 classes is performed using random forest. The proposed method is evaluated using several databases in both left to right and right to left languages; English for the former and Persian for the latter. In the first part of the evaluation, the proposed approach is evaluated in terms of robustness and recognition speed. The proposed method has the accuracy of 99.2% for plate recognition, 100% for plate segmentation, and 98.41% for character recognition. In this part, the dataset of Iranian plates is collected by the authors of this paper. However, character recognition rate is 100% in other Persian databases. Moreover, the experimental evaluations witness that the proposed method can process at least 8 frames per second, that means it is fast enough to be adopted for real-time applications. In the second phase, the proposed method is evaluated on an English plate dataset. In this dataset, the proposed method shows an accuracy of 100% for plate detection and 97.5% for character recognition. The experimental results show that the proposed method outperforms methods proposed in recent years in terms of time and accuracy that is also independent of plate language.

准确性和实时性是车牌识别中的头等大事。车牌识别系统受到一些因素的限制，包括照明，车辆高速，摄像机角度和恶劣的天气条件。在当前方法中，损坏的板和浅板也导致不正确的识别。在这方面，本文提出了一种有效的鲁棒性的车牌识别方法，该方法包括四个步骤：（i）车辆检测，（ii）车牌检测，（iii）字符分割和（iv）字符识别。在第一步中，使用背景发射来检测车辆图像。在第二步中，通过字符识别和图案匹配方法对板进行定位，在此过程中，使用连接的组件分析来识别和提取轮廓，然后，使用密度标准发出低密度区域并提取车牌。第三步，使用统计特征，过滤方法和形态运算符对车牌字符进行分割和提取。在板分割后，在最后一步中从每个片段图像中提取统计和全局特征以及局部图案以进行片段分类，其中使用F-Score对特征进行排名，然后使用随机方法将每个片段分类为37个类别之一森林。使用从左到右和从右到左两种语言的几个数据库对提出的方法进行了评估。前者用英语，后者用波斯语。在评估的第一部分中，根据鲁棒性和识别速度对提出的方法进行了评估。所提出的方法的准确性为99。板识别为2％，板分割为100％，字符识别为98.41％。在这一部分中，本文作者收集了伊朗板块的数据集。但是，在其他波斯数据库中，字符识别率为100％。此外，实验评估表明，该方法每秒可处理至少8帧，这意味着该方法足够快，可用于实时应用。在第二阶段，在英文版数据集上评估提出的方法。在该数据集中，所提出的方法显示的板检测准确度为100％，字符识别的准确度为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。100％用于印版分割，98.41％用于字符识别。在这一部分中，本文作者收集了伊朗板块的数据集。但是，在其他波斯数据库中，字符识别率为100％。此外，实验评估表明，该方法每秒可处理至少8帧，这意味着该方法足够快，可用于实时应用。在第二阶段，在英文版数据集上评估提出的方法。在该数据集中，所提出的方法显示的板检测准确度为100％，字符识别的准确度为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。100％用于印版分割，98.41％用于字符识别。在这一部分中，本文作者收集了伊朗板块的数据集。但是，在其他波斯数据库中，字符识别率为100％。此外，实验评估表明，该方法每秒可处理至少8帧，这意味着该方法足够快，可用于实时应用。在第二阶段，在英文版数据集上评估提出的方法。在该数据集中，所提出的方法显示的板检测准确度为100％，字符识别的准确度为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。伊朗板块的数据集是由本文的作者收集的。但是，在其他波斯数据库中，字符识别率为100％。此外，实验评估表明，该方法每秒可处理至少8帧，这意味着该方法足够快，可用于实时应用。在第二阶段，在英文版数据集上评估提出的方法。在该数据集中，所提出的方法显示的板检测准确度为100％，字符识别的准确度为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。伊朗板块的数据集是由本文的作者收集的。但是，在其他波斯数据库中，字符识别率为100％。此外，实验评估表明，该方法每秒可处理至少8帧，这意味着该方法足够快，可用于实时应用。在第二阶段，在英文版数据集上评估提出的方法。在该数据集中，所提出的方法显示的板检测准确度为100％，字符识别的准确度为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。实验评估表明，所提出的方法每秒可以处理至少8帧，这意味着它足够快，可以被实时应用。在第二阶段，在英文版数据集上评估提出的方法。在该数据集中，所提出的方法显示的板检测准确度为100％，字符识别的准确度为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。实验评估表明，所提出的方法每秒可以处理至少8帧，这意味着它足够快，可以被实时应用。在第二阶段，在英文版数据集上评估提出的方法。在该数据集中，所提出的方法显示的板检测准确度为100％，字符识别的准确度为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。所提出的方法对板块检测的准确性为100％，对于字符识别的准确性为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。所提出的方法对板块检测的准确性为100％，对于字符识别的准确性为97.5％。实验结果表明，所提出的方法在时间和准确性方面都优于近年来提出的方法，并且该方法也不受制版语言的影响。