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(guó)家開(kāi)始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車(chē)牌自動(dòng)識(shí)別問(wèn)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(chē)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(guò)與車(chē)牌上的字符比較，識(shí)別出正確的車(chē)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(jué)技術(shù)的發(fā)展，開(kāi)始出現(xiàn)汽車(chē)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(jué)技術(shù)和圖像處理技術(shù)實(shí)現(xiàn)了車(chē)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(guò)大量統(tǒng)計(jì)實(shí)驗(yàn)確定出車(chē)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(chē)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(chē)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(chē)流通行時(shí)的車(chē)牌照進(jìn)行識(shí)別，并且需要將車(chē)輛牌照?qǐng)D像和識(shí)別結(jié)果存儲(chǔ)下來(lái)，以便調(diào)取查看。然后，還需要得到實(shí)際通過(guò)的車(chē)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：

一個(gè)車(chē)牌識(shí)別系統(tǒng)的后臺(tái)管理體系，決定了這個(gè)車(chē)牌識(shí)別系統(tǒng)是否好用。清楚地認(rèn)識(shí)到重要的一點(diǎn)是識(shí)別率達(dá)到是不可能的，因?yàn)檐?chē)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(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(guò)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。

車(chē)牌字符切割在上一步中，我們成功找到了車(chē)牌，并把它從原圖（不是二值化的圖）截取出來(lái)了。對(duì)截取的車(chē)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(lái)模糊噪聲。如果降噪后的車(chē)牌圖片有傾斜現(xiàn)象，就需要對(duì)圖片做錯(cuò)切變換（就是傾斜角度調(diào)整）。我們知道，有些車(chē)牌是上下結(jié)構(gòu)的，這很容易通過(guò)對(duì)二值化的圖片做像素掃描來(lái)檢測(cè)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(chē)牌。如果不是上下結(jié)構(gòu)，那就是單行結(jié)構(gòu)的新車(chē)牌。