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。

識別速度決定了一個車牌識別系統是否能夠滿足實時實際應用的要求。一個識別率很高的系統，如果需要幾秒鐘，甚至幾分鐘才能識別出結果，那么這個系統就會因為滿足不了實際應用中的實時要求而毫無實用意義。例如，在高速公路收費中車牌識別應用的作用之一是減少通行時間，速度是這一類應用里減少通行時間、避免車道堵車的有力保障。

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。

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。

圖形檢索，定位車牌圖片處理到這一步，來了——車牌檢索。動腦筋的朋友可能已經意識到了，車牌是規則的長方形，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。愛動腦筋的小伙伴已經注意到了，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，那么我們距離找到車牌就更近了。計算機掃描整個二值化的圖片，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。然后根據這些像素來計算哪個區域是長方形，并且符合車牌的比例。

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象，就需要對圖片做錯切變換（就是傾斜角度調整）。我們知道，有些車牌是上下結構的，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，那就是上下結構車牌。如果不是上下結構，那就是單行結構的新車牌。