人工神经网络技术。近几年来，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一个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。

这种采用BAM神经网络方法的缺点是无映解决识别系统存储容量和处理速度相矛盾的问题。

作为车辆识别标识，车牌有着十分规范的编码方式，给识别提供了便利条件。对每一类型的车牌，其车牌格式类型都是独一的，如普通民用车中，车牌的首字符都为汉字，且为车辆所属省份的简称；第二个字符为字母，且不同字母代表不同的城市。

同时，不同类型的车辆使用何种颜色的车牌也有着严格的规定，如特种车辆均使用白色车牌，民用轿车均使用蓝色车牌等等。

车牌识别系统(Vehicle License Recognition，VLPR) 是计算机视频图像识别技术在车牌照识别中的一种应用。车牌识别在高速公路车辆管理中得到广泛应用，电子收费(ETC)系统中，也是结合DSRC技术识别车辆身份的主要手段。

车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息，较新的技术水平为字母和数字的识别率可达到99.7%，汉字的识别率可达到99%。

车牌辨识系统能否发挥较大效用，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。