人工神經網絡技術，計算機及相關技術發達的一些國家開始探討用人工神經網絡技術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神經網絡方法對車牌上的字符進行自動識別，BAM神經網絡是由相同神經元構成的雙向聯想式單層網絡，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。

為了測試一個車牌識別系統識別率，需要將該系統安裝在一個實際應用環境中，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果存儲下來，以便調取查看。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果。之后便可以統計出以下識別率：

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技術的電子識別裝置。這種識別技術，是通過射頻技術，去識別貼在汽車前擋風或者其他便于RFID讀寫端識別的位置上的電子標簽來識別和收費的。因此ETC和車牌識別系統是兩套系統，因為車牌識別系統不承擔充值和消費功能，因此ETC就應運而生。

車輛識別在拍照之前，當然是要識別車輛確實是進入了攝像頭的佳焦距位置了，車牌識別系統才會采集車輛的圖像。所以，識別車輛就是車牌識別的步。那么，如何識別車輛呢？有很多辦法，其中紅外法是常用的辦法。因為攝像頭和系統是被動采集數據的，所以它不知道什么時候該拍照。當車輛進入拍攝區域，紅外射線會被車輛遮擋，這個時候攝像頭和系統聯動，就會拍下車輛的照片，以供后續車牌識別之用。當然了，這種簡單的紅外遮擋法測是否有車輛進入，人或者其他物體遮擋了紅外線，也會誘發拍照。

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，白色就是255，黑色就是0，其他顏色就是在這0-255之間了。