人工神經(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)絡方法對車牌上的字符進行自動識別，BAM神經(jīng)網(wǎng)絡是由相同神經(jīng)元構成的雙向聯(lián)想式單層網(wǎng)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。

傳統(tǒng)模式識別技術。傳統(tǒng)模式識別技術指結構特征法，統(tǒng)計特征法等。90年代，由于計算機視覺技術的發(fā)展，開始出現(xiàn)汽車牌照識別的系統(tǒng)化研究。1990年AS.Johnson等運用計算機視覺技術和圖像處理技術實現(xiàn)了車輛牌照的自動識別系統(tǒng)。該系統(tǒng)分為圖像分割、特征提取和模板構造、字符識別等三個部分。利用不同閩值對應的直方圖不同，經(jīng)過大量統(tǒng)計實驗確定出車牌位置的圖像直方圖的閩值范圍，從而根據(jù)特定閩值對應的直方圖分割出車牌，再利用預先設置的標準字符模板進行模式匹配識別出字符。

為了測試一個車牌識別系統(tǒng)識別率，需要將該系統(tǒng)安裝在一個實際應用環(huán)境中，全天候運行24小時以上，采集至少1000輛自然車流通行時的車牌照進行識別，并且需要將車輛牌照圖像和識別結果存儲下來，以便調取查看。然后，還需要得到實際通過的車輛圖像以及正確的人工識別結果。之后便可以統(tǒng)計出以下識別率：

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。

圖片初級處理——灰度化、二值化大家都知道，灰色是介于白色和黑色之間的顏色，而且這個灰色深淺不一樣，所以白色和黑色之間的灰色就有很多。這顏色一多，計算機就眼花繚亂了。所以呢，干脆把圖片二值化。啥叫二值化呢？就是讓圖片只有黑色和白色，就是只有兩個顏色值，顧名思義把圖片搞成黑白二色的過程就是二值化。再形象的比喻一下，就是熊貓化！在計算機RGB顏色空間內，白色就是255，黑色就是0，其他顏色就是在這0-255之間了。

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。