车牌识别系统是指能够检测到受监控路面的车辆并自动提取牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。再有我们可以利用VIN的标准与车辆配置进行分析，其四到八位是发动机，变速器型号，这些都要与总成标牌上的信息进行对照。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车的车牌号码，从而完成识别过程。

对于纳入“黑名单”的车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、肇事逃逸及违的章车辆等，只需将其车牌号码输入到应用系统中，车牌识别设备安装于路口、卡口或由人员随时携带按需要放置，系统将识读所有通过车辆的牌照号码并与系统中的“黑名单”比对，一旦发现车辆立刻发出报警信息。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。系统可以全天不间断工作、不会疲劳、错误率极低；

选择匹配作为结果。因为多变的环境，两个礼拜应该可以对于场域可能影响辨识率的情形，大约掌握了八成，如果只是测一天、甚至几个小时，是无法了解的。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。实际应用中，车牌识别系统的识别率还与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、等等；

实际拍摄过程也会受到环境亮度、拍摄方式、车辆速度等等因素的影响。车牌识别过程包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算，其运行流程如下：图像采集。这些影响因素不同程度上降低了车牌识别的识别率，也正是车牌识别系统的困难和挑战所在。为了提高识别率，除了不断地完善识别算法还应该想办法克服各种光照条件，使采ji到的图像利于识别。采用计算机视觉技术识别车牌的流程通常都包括车辆图像采ji，车牌定位，字符分割，光学字符识别，输出识别结果5个步骤。