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(guó)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(shí)別問(wèn)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(duì)車牌上的字符進(jìn)行自動(dòng)識(shí)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(duì)應(yīng)著個(gè)BAM矩陣，通過(guò)與車牌上的字符比較，識(shí)別出正確的車牌號(hào)碼。

識(shí)別速度決定了一個(gè)車牌識(shí)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(shí)別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識(shí)別出結(jié)果，那么這個(gè)系統(tǒng)就會(huì)因?yàn)闈M足不了實(shí)際應(yīng)用中的實(shí)時(shí)要求而毫無(wú)實(shí)用意義。例如，在高速公路收費(fèi)中車牌識(shí)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。

一個(gè)車牌識(shí)別系統(tǒng)的后臺(tái)管理體系，決定了這個(gè)車牌識(shí)別系統(tǒng)是否好用。清楚地認(rèn)識(shí)到重要的一點(diǎn)是識(shí)別率達(dá)到是不可能的，因?yàn)檐嚺普瘴蹞p、模糊、遮擋，或者天氣也許很糟（下雪﹑冰雹﹑大霧等等）。

例如一個(gè)車牌系統(tǒng)在白天有90%以上的準(zhǔn)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(zhǔn)確度的車牌辨識(shí)系統(tǒng)更難于整合。因?yàn)槭褂谜邥?huì)認(rèn)為，既然白天的辨識(shí)率有90%，那全天候的準(zhǔn)確率都要達(dá)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(fēng)大搖晃限制、不容易遭受人為破壞等)。

車輛識(shí)別在拍照之前，當(dāng)然是要識(shí)別車輛確實(shí)是進(jìn)入了攝像頭的佳焦距位置了，車牌識(shí)別系統(tǒng)才會(huì)采集車輛的圖像。所以，識(shí)別車輛就是車牌識(shí)別的步。那么，如何識(shí)別車輛呢？有很多辦法，其中紅外法是常用的辦法。因?yàn)閿z像頭和系統(tǒng)是被動(dòng)采集數(shù)據(jù)的，所以它不知道什么時(shí)候該拍照。當(dāng)車輛進(jìn)入拍攝區(qū)域，紅外射線會(huì)被車輛遮擋，這個(gè)時(shí)候攝像頭和系統(tǒng)聯(lián)動(dòng)，就會(huì)拍下車輛的照片，以供后續(xù)車牌識(shí)別之用。當(dāng)然了，這種簡(jiǎn)單的紅外遮擋法測(cè)是否有車輛進(jìn)入，人或者其他物體遮擋了紅外線，也會(huì)誘發(fā)拍照。

圖形檢索，定位車牌圖片處理到這一步，來(lái)了——車牌檢索。動(dòng)腦筋的朋友可能已經(jīng)意識(shí)到了，車牌是規(guī)則的長(zhǎng)方形，我們只要找二值化后圖片里的長(zhǎng)方形就好了。問(wèn)題來(lái)了，你找長(zhǎng)方形，問(wèn)題是有些車輛的撒熱窗就是長(zhǎng)方形。愛(ài)動(dòng)腦筋的小伙伴已經(jīng)注意到了，車牌的長(zhǎng)寬比與車身其他位置的形狀長(zhǎng)寬比不同。掌握了上面的基本常識(shí)，那么我們距離找到車牌就更近了。計(jì)算機(jī)掃描整個(gè)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(lái)。然后根據(jù)這些像素來(lái)計(jì)算哪個(gè)區(qū)域是長(zhǎng)方形，并且符合車牌的比例。