人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計(jì)算機(jī)及相關(guān)技術(shù)發(fā)達(dá)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(dòng)識別問題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對車牌上的字符進(jìn)行自動(dòng)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(gè)字符模板對應(yīng)著個(gè)BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼。

識別速度決定了一個(gè)車牌識別系統(tǒng)是否能夠滿足實(shí)時(shí)實(shí)際應(yīng)用的要求。一個(gè)識別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識別出結(jié)果，那么這個(gè)系統(tǒng)就會因?yàn)闈M足不了實(shí)際應(yīng)用中的實(shí)時(shí)要求而毫無實(shí)用意義。例如，在高速公路收費(fèi)中車牌識別應(yīng)用的作用之一是減少通行時(shí)間，速度是這一類應(yīng)用里減少通行時(shí)間、避免車道堵車的有力保障。

幾乎每家都宣稱擁有高辨識率，但為了避免事后因?yàn)殡p方對產(chǎn)品認(rèn)知有差異，而將運(yùn)作不良的責(zé)任互相推托，用戶在采購車牌辨識系統(tǒng)時(shí)，不妨要求實(shí)地測試，而且測試時(shí)間好超過兩個(gè)禮拜，比較能判斷辨識結(jié)果是否“言過其實(shí)”。因?yàn)槎嘧兊沫h(huán)境，兩個(gè)禮拜應(yīng)該可以對于場域可能影響辨識率的情形，大約掌握了八成，如果只是測一天、甚至幾個(gè)小時(shí)，是無法了解的。

車牌識別系統(tǒng)還具有通過視頻圖像判斷是否有車的功能稱之為視頻車輛檢測。一個(gè)完整的車牌識別系統(tǒng)應(yīng)包括車輛檢測、圖像采集、車牌識別等幾部分。當(dāng)車輛檢測部分檢測到車輛到達(dá)時(shí)觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像。車牌識別單元對圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來進(jìn)行識別，然后組成牌照號碼輸出。

攝像頭不停地拍照，交給系統(tǒng)去判斷。原理很簡單，因?yàn)闆]有車輛時(shí)，拍的照片是固定的。撐死了也就白天一幅圖、晚上一幅圖、下雨一幅圖、陰天一幅圖等。有了基礎(chǔ)的圖，就可以區(qū)分有車輛進(jìn)入地圖了。有人說這樣的容錯(cuò)率也太低了，很容易出錯(cuò)。是的，這的確容易出錯(cuò)，所以軟件端做了進(jìn)一步的技術(shù)深入：車輛輪廓識別。車輛輪廓識別與車牌識別的輪廓識別原理是一樣的，可以參考下面車牌輪廓識別部分。

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(jìn)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(cuò)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。