人工神經網絡技術，計算機及相關技術發(fā)達的一些國家開始探討用人工神經網絡技術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神經網絡方法對車牌上的字符進行自動識別，BAM神經網絡是由相同神經元構成的雙向聯(lián)想式單層網絡，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。

識別速度決定了一個車牌識別系統(tǒng)是否能夠滿足實時實際應用的要求。一個識別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識別出結果，那么這個系統(tǒng)就會因為滿足不了實際應用中的實時要求而毫無實用意義。例如，在高速公路收費中車牌識別應用的作用之一是減少通行時間，速度是這一類應用里減少通行時間、避免車道堵車的有力保障。

一個車牌識別系統(tǒng)的后臺管理體系，決定了這個車牌識別系統(tǒng)是否好用。清楚地認識到重要的一點是識別率達到是不可能的，因為車牌照污損、模糊、遮擋，或者天氣也許很糟（下雪﹑冰雹﹑大霧等等）。

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)。

車輛識別在拍照之前，當然是要識別車輛確實是進入了攝像頭的佳焦距位置了，車牌識別系統(tǒng)才會采集車輛的圖像。所以，識別車輛就是車牌識別的步。那么，如何識別車輛呢？有很多辦法，其中紅外法是常用的辦法。因為攝像頭和系統(tǒng)是被動采集數(shù)據的，所以它不知道什么時候該拍照。當車輛進入拍攝區(qū)域，紅外射線會被車輛遮擋，這個時候攝像頭和系統(tǒng)聯(lián)動，就會拍下車輛的照片，以供后續(xù)車牌識別之用。當然了，這種簡單的紅外遮擋法測是否有車輛進入，人或者其他物體遮擋了紅外線，也會誘發(fā)拍照。

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。