人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計算機及相關(guān)技術(shù)發(fā)達的一些國家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動識別問題，例如1994年M.M.M.FANHY等就成功地運用了BAM神經(jīng)網(wǎng)絡(luò)方法對車牌上的字符進行自動識別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個字符模板對應著個BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼。

例如一個車牌系統(tǒng)在白天有90%以上的準確度，到了傍晚就降到80%，夜間又降到70%，這種不穩(wěn)定的系統(tǒng)，比起全天候平均擁有70%準確度的車牌辨識系統(tǒng)更難于整合。因為使用者會認為，既然白天的辨識率有90%，那全天候的準確率都要達到90%才合理，這樣的規(guī)格還不包括奇怪的環(huán)境干擾(暴雨襲擊、冰雹、濃霧區(qū)段等)，與架設(shè)環(huán)境限制(高度限制、風大搖晃限制、不容易遭受人為破壞等)。

在日常錄入違法號牌信息中發(fā)現(xiàn)車輛號牌信息與系統(tǒng)顯示的車牌信息不符時，民警通過核查車輛信息后，把有違反交通法規(guī)的車輛信息錄入指揮中心的黑名單報警系統(tǒng)。此車在轄區(qū)內(nèi)行駛時，號牌會被系統(tǒng)自動識別報警。

停車場車輛牌照識別系統(tǒng)的工作原理如下：1.系統(tǒng)通過視頻采集接口采集攝像頭攝入包含車牌的視頻圖像；2.再對動態(tài)采集到的圖像進行處理以克服圖像干擾，改善識別效果；3.接著在動態(tài)采集到的圖像中自動找到車牌的位置也就是邊緣檢測，并分割出單個字符的矩形區(qū)域；4.對車牌進行二值化,后把規(guī)整好的字符輸入字符識別系統(tǒng)進行識別。

圖形檢索，定位車牌圖片處理到這一步，來了——車牌檢索。動腦筋的朋友可能已經(jīng)意識到了，車牌是規(guī)則的長方形，我們只要找二值化后圖片里的長方形就好了。問題來了，你找長方形，問題是有些車輛的撒熱窗就是長方形。愛動腦筋的小伙伴已經(jīng)注意到了，車牌的長寬比與車身其他位置的形狀長寬比不同。掌握了上面的基本常識，那么我們距離找到車牌就更近了。計算機掃描整個二值化的圖片，由左到右，由上到下，把顏色從黑到白或者由白到黑的像素全部記錄下來。然后根據(jù)這些像素來計算哪個區(qū)域是長方形，并且符合車牌的比例。

車牌字符切割在上一步中，我們成功找到了車牌，并把它從原圖（不是二值化的圖）截取出來了。對截取的車牌圖片進行上一步的灰度化、二值化、降噪處理，尤其是邊緣降噪。如果降噪后，干擾的噪聲還是比較大，可以采取腐蝕、膨脹算法來模糊噪聲。如果降噪后的車牌圖片有傾斜現(xiàn)象，就需要對圖片做錯切變換（就是傾斜角度調(diào)整）。我們知道，有些車牌是上下結(jié)構(gòu)的，這很容易通過對二值化的圖片做像素掃描來檢測上下兩部分是否中間不粘連，如果不粘連，那就是上下結(jié)構(gòu)車牌。如果不是上下結(jié)構(gòu)，那就是單行結(jié)構(gòu)的新車牌。