由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。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。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小。

一个车牌识别系统的基本硬件配置是由摄像机、主控机、采ji卡、照明装置组成。可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数这三个指标决定了车牌识别系统的识别率，诸如可信度、误识率等都是车牌识别过程中的中间结果。而软件是由一个具有车牌识别功能的图像分析和处理软件，以及一个满足具体应用需求的后台管理软件组成。车牌识别系统于是出现了两种产品形式，一种是软硬件一体，或者用硬件实现识别功能模块，形成一个全硬件的车牌识别器，例如DSP。另外一种形式是开放式的软、硬件体系，即硬件采用标准工业产品，软件作为嵌入式软件。

关键还是识别率，所以应用纯车牌识别系统的核xin是要一套高识别率的车牌识别产品，国内识别率能达到90%以上的识别率的就很少，而纯车牌识别系统一般要求98%以上的识别率，国内当前能达到这个标准的只有火眼臻睛车牌识别等少数几家；再的技术也达不到100%的识别率，比如无牌车或者肉眼都不能识别的车牌，所以需要一套好的“非车牌识别处理机制”。为避免与数字的1,0混淆，英文字母“I”、“O”、“Q”均不会被使用。