人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計(jì)算機(jī)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(dòng)識(shí)別問題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對(duì)車牌上的字符進(jìn)行自動(dòng)識(shí)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(gè)字符模板對(duì)應(yīng)著個(gè)BAM矩陣，通過與車牌上的字符比較，識(shí)別出正確的車牌號(hào)碼。

傳統(tǒng)模式識(shí)別技術(shù)。傳統(tǒng)模式識(shí)別技術(shù)指結(jié)構(gòu)特征法，統(tǒng)計(jì)特征法等。90年代，由于計(jì)算機(jī)視覺技術(shù)的發(fā)展，開始出現(xiàn)汽車牌照識(shí)別的系統(tǒng)化研究。1990年AS.Johnson等運(yùn)用計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)實(shí)現(xiàn)了車輛牌照的自動(dòng)識(shí)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(shí)別等三個(gè)部分。利用不同閩值對(duì)應(yīng)的直方圖不同，經(jīng)過大量統(tǒng)計(jì)實(shí)驗(yàn)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(duì)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(jìn)行模式匹配識(shí)別出字符。

為了測(cè)試一個(gè)車牌識(shí)別系統(tǒng)識(shí)別率，需要將該系統(tǒng)安裝在一個(gè)實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24小時(shí)以上，采集至少1000輛自然車流通行時(shí)的車牌照進(jìn)行識(shí)別，并且需要將車輛牌照?qǐng)D像和識(shí)別結(jié)果存儲(chǔ)下來，以便調(diào)取查看。然后，還需要得到實(shí)際通過的車輛圖像以及正確的人工識(shí)別結(jié)果。之后便可以統(tǒng)計(jì)出以下識(shí)別率：

識(shí)別速度決定了一個(gè)車牌識(shí)別系統(tǒng)是否能夠滿足實(shí)時(shí)實(shí)際應(yīng)用的要求。一個(gè)識(shí)別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識(shí)別出結(jié)果，那么這個(gè)系統(tǒng)就會(huì)因?yàn)闈M足不了實(shí)際應(yīng)用中的實(shí)時(shí)要求而毫無實(shí)用意義。例如，在高速公路收費(fèi)中車牌識(shí)別應(yīng)用的作用之一是減少通行時(shí)間，速度是這一類應(yīng)用里減少通行時(shí)間、避免車道堵車的有力保障。

圖片初級(jí)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(gè)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(jì)算機(jī)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(gè)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(jì)算機(jī)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(dòng)腦筋的朋友可能已經(jīng)意識(shí)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(dòng)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(shí)，那么我們距離找到車牌就更近了。計(jì)算機(jī)掃描整個(gè)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(jì)算哪個(gè)區(qū)域是長方形，并且符合車牌的比例。