人工神经网络技术，计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题，例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。
例如一个车牌系统在白天有90%以上的准确度，到了傍晚就降到80%，夜间又降到70%，这种不稳定的系统，比起全天候平均拥有70%准确度的车牌辨识系统更难于整合。因为使用者会认为，既然白天的辨识率有90%，那全天候的准确率都要达到90%才合理，这样的规格还不包括奇怪的环境干扰(暴雨袭击、冰雹、浓雾区段等)，与架设环境限制(高度限制、风大摇晃限制、不容易遭受人为破坏等)。
在日常录入违法号牌信息中发现车辆号牌信息与系统显示的车牌信息不符时，民警通过核查车辆信息后，把有违反交通法规的车辆信息录入指挥中心的黑名单报警系统。此车在辖区内行驶时，号牌会被系统自动识别报警。
停车场车辆牌照识别系统的工作原理如下：1.系统通过视频采集接口采集摄像头摄入包含车牌的视频图像；2.再对动态采集到的图像进行处理以克服图像干扰，改善识别效果；3.接着在动态采集到的图像中自动找到车牌的位置也就是边缘检测，并分割出单个字符的矩形区域；4.对车牌进行二值化,后把规整好的字符输入字符识别系统进行识别。
图形检索，定位车牌图片处理到这一步，来了——车牌检索。动脑筋的朋友可能已经意识到了，车牌是规则的长方形，我们只要找二值化后图片里的长方形就好了。问题来了，你找长方形，问题是有些车辆的撒热窗就是长方形。爱动脑筋的小伙伴已经注意到了，车牌的长宽比与车身其他位置的形状长宽比不同。掌握了上面的基本常识，那么我们距离找到车牌就更近了。计算机扫描整个二值化的图片，由左到右，由上到下，把颜色从黑到白或者由白到黑的像素全部记录下来。然后根据这些像素来计算哪个区域是长方形，并且符合车牌的比例。
车牌字符切割在上一步中，我们成功找到了车牌，并把它从原图（不是二值化的图）截取出来了。对截取的车牌图片进行上一步的灰度化、二值化、降噪处理，尤其是边缘降噪。如果降噪后，干扰的噪声还是比较大，可以采取腐蚀、膨胀算法来模糊噪声。如果降噪后的车牌图片有倾斜现象，就需要对图片做错切变换（就是倾斜角度调整）。我们知道，有些车牌是上下结构的，这很容易通过对二值化的图片做像素扫描来检测上下两部分是否中间不粘连，如果不粘连，那就是上下结构车牌。如果不是上下结构，那就是单行结构的新车牌。
