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。

傳統(tǒng)模式識別技術(shù)。傳統(tǒng)模式識別技術(shù)指結(jié)構(gòu)特征法，統(tǒng)計特征法等。90年代，由于計算機視覺技術(shù)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(shù)和圖像處理技術(shù)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(gòu)造、字符識別等三個部分。利用不同閩值對應(yīng)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(yīng)的直方圖分割出車牌，再利用預(yù)先設(shè)置的標(biāo)準(zhǔn)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(yīng)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(jié)果存儲下來，以便調(diào)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(jié)果。之后便可以統(tǒng)計出以下識別率：

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）。

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。

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。