为了解决居民停车难问题，与出入口系统相关的两点重要举措：一是加快停车场建设，特别是要推动单位、小区、个人利用自有空间建设停车场，并且可以开放企事业单位的停车位资源给社会车辆使用；二是加快倍 加 信 车 牌 识 别、停车诱导等高新技术在停车领域的应用，推动停车和互联网融合发展。
现如今，我们可以利用OCR识别技术，在停车领域拓展对车牌信息处理的图像算法，即倍 加 信 车 牌 识 别。说到OCR技术，要从印刷体识别开始，印刷体识别的成功为后来手写体的发展奠定了坚实的基础。印刷体识别的主要流程大致分为以下几个部分：图像预处理、版面处理、图像切分、特征提取和模型训练、识别后处理。而OCR技术恰恰像是这些图像技术的结合体。
倍 加 信 车 牌 识 别技术
OCR技术商业化较早，普及率高，比较成功的案例，从停车场到小区门禁，再到机关单位和工厂管理，倍 加 信 车 牌 识 别技术已走进生活的各个角落。
原理：
倍 加 信 车 牌 识 别要经过图像预处理，将摄像机抓拍的车牌图像进行灰度化、二值化，倾斜检测与校正，行、字切分，平滑，规范化等等的处理；然后经过版面分析、版面理解、版面重构的版面处理，版面分析将文本图像分割为不同部分，并标定各部分属性，如：文本、图像、表格。目前在版面分析方面的工作核心思想都是基于连通域分析法，后衍生出的基于神经网络的版面分析法等也都是以连通域为基础进行的。
连通域是指将图像经过二值化后转为的二值矩阵中任选一个像素点，若包围其的所有像素点中存在相同像素值的像素点则视为两点连通，以此类推，这样的像素点构成的一个集合在图像中所在的区域即一个连通域。根据连通域大小或像素点分布等特征可以将连通域的属性标记出来，用作进一步处理的依据。
还要经过图像切分大致可以分为两个主要类别，行(列)切分和字切分。经过切分处理后，才能方便对单个文字进行识别处理。
识别后处理、识别校正是在识别结果基础上根据语种的语言模型进行，当然在单文种识别中相对容易一些，而在多语种则较为复杂。
特征提取与模型训练，特征提取是从单个字符图像上提取统计特征或结构特征的过程。特征匹配是从已有的特征库中找到与待识别文字相似度最高的文字的过程。
在深度学习广泛应用于图像识别领域之前，模板匹配是较为常见的一种识别方式，之后由于神经网络的复苏，基于反馈的神经网络给OCR领域带来了又一春。现在随着计算机硬件计算能力的提升，利用大批数据训练深度神经网络在图像识别方面取得了傲人的成绩。