人工神經(jīng)網(wǎng)絡技術(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(gòu)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。

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)。

幾乎每家都宣稱擁有高辨識率，但為了避免事后因為雙方對產(chǎn)品認知有差異，而將運作不良的責任互相推托，用戶在采購車牌辨識系統(tǒng)時，不妨要求實地測試，而且測試時間好超過兩個禮拜，比較能判斷辨識結(jié)果是否“言過其實”。因為多變的環(huán)境，兩個禮拜應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、甚至幾個小時，是無法了解的。

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(nèi)，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。