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。
为了测试一个车牌识别系统识别率，需要将该系统安装在一个实际应用环境中，全天候运行24小时以上，采集至少1000辆自然车流通行时的车牌照进行识别，并且需要将车辆牌照图像和识别结果存储下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果。之后便可以统计出以下识别率：
此外，车牌辨识系统能否发挥大效用，除了软件技术之外，与摄影机及现场施工能力，也有很大的关系。使用者可要求厂商至现场勘查后，提出建置规划方案，先评估应该架设的地点、摄影机架设角度、是否需要架设辅助光源等，再提出报价，藉由这些动作，除了得以事先评估业者的能力，用户本身也可以达到产品学习及教育训练，日后管理时，会更清楚知道该产品的使用限制及相关因应措施。
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。
