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。

傳統模式識別技術。傳統模式識別技術指結構特征法，統計特征法等。90年代，由于計算機視覺技術的發展，開始出現汽車牌照識別的系統化研究。1990年AS.Johnson等運用計算機視覺技術和圖像處理技術實現了車輛牌照的自動識別系統。該系統分為圖像分割、特征提取和模板構造、字符識別等三個部分。利用不同閩值對應的直方圖不同，經過大量統計實驗確定出車牌位置的圖像直方圖的閩值范圍，從而根據特定閩值對應的直方圖分割出車牌，再利用預先設置的標準字符模板進行模式匹配識別出字符。

一個車牌識別系統的后臺管理體系，決定了這個車牌識別系統是否好用。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）。

幾乎每家都宣稱擁有高辨識率，但為了避免事后因為雙方對產品認知有差異，而將運作不良的責任互相推托，用戶在采購車牌辨識系統時，不妨要求實地測試，而且測試時間好超過兩個禮拜，比較能判斷辨識結果是否“言過其實”。因為多變的環境，兩個禮拜應該可以對于場域可能影響辨識率的情形，大約掌握了八成，如果只是測一天、甚至幾個小時，是無法了解的。

智能車牌識別系統不抬桿原因多種。智能車牌識別系統是由車牌識別一體機、工業級到咋、語音集成顯示屏及系統軟件等部分組成，所以我們要排查問題的所在，工作流程為地感線圈→車輛檢測器→車牌識別一體機→收費系統→控制器→道閘，所以原因工作中負責傳輸信號的網線或者信號線的連接問題，或者是工作中部件是否出故障等；

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。