人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計算機及相關(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(luò)方法對車牌上的字符進(jìn)行自動識別，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)，每一個字符模板對應(yīng)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(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)確度的車牌辨識系統(tǒng)更難于整合。因為使用者會認(rèn)為，既然白天的辨識率有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)。

開車的朋友都知道，我們無論去停車場還是上下高速，只要有攝像頭和欄桿的地方，基本上都需要識別你的車牌。我們普通人無需去了解車牌的識別過程，但還是有很多網(wǎng)友想了解自己的車牌是如何被識別的。

在講述車牌識別過程之前，筆者要先說一下高速路口的ETC是一套依賴RFID技術(shù)的電子識別裝置。這種識別技術(shù)，是通過射頻技術(shù)，去識別貼在汽車前擋風(fēng)或者其他便于RFID讀寫端識別的位置上的電子標(biāo)簽來識別和收費的。因此ETC和車牌識別系統(tǒng)是兩套系統(tǒng)，因為車牌識別系統(tǒng)不承擔(dān)充值和消費功能，因此ETC就應(yīng)運而生。

攝像頭不停地拍照，交給系統(tǒng)去判斷。原理很簡單，因為沒有車輛時，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。有人說這樣的容錯率也太低了，很容易出錯。是的，這的確容易出錯，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。