在高速路的各個(gè)出入口安裝車牌識(shí)別設(shè)備，車輛駛?cè)霑r(shí)識(shí)別車輛牌照將入口資料存入收費(fèi)系統(tǒng)，車輛到達(dá)出口時(shí)再次識(shí)別其牌照并根據(jù)牌照信息調(diào)用入口資料，結(jié)合出入口資料實(shí)現(xiàn)收費(fèi)管理。這種應(yīng)用可以實(shí)現(xiàn)自動(dòng)計(jì)費(fèi)并可防止作弊，避免了應(yīng)收款的流失。

通過對(duì)圖像的采集和處理，完成車牌自動(dòng)識(shí)別功能，能從一幅圖像中自動(dòng)提取車牌圖像，自動(dòng)分割字符，進(jìn)而對(duì)字符進(jìn)行識(shí)別.其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備(監(jiān)測(cè)車輛是否進(jìn)入視野)、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識(shí)別車牌號(hào)碼的處理機(jī)(如計(jì)算機(jī))等。

系統(tǒng)進(jìn)行視頻車輛檢測(cè)，需要具備很高的處理速度并采用的算法，在基本不丟幀的情況下實(shí)現(xiàn)圖像采集、處理。若處理速度慢，則導(dǎo)致丟幀，使系統(tǒng)無法檢測(cè)到行駛速度較快的車輛，同時(shí)也難以在有利于識(shí)別的位置開始識(shí)別處理，影響系統(tǒng)識(shí)別率。因此，將視頻車輛檢測(cè)與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計(jì)算機(jī)及相關(guān)技術(shù)發(fā)達(dá)的一些國(guó)家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動(dòng)識(shí)別問題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對(duì)車牌上的字符進(jìn)行自動(dòng)識(shí)別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個(gè)字符模板對(duì)應(yīng)著個(gè)BAM矩陣，通過與車牌上的字符比較，識(shí)別出正確的車牌號(hào)碼。

例如一個(gè)車牌系統(tǒng)在白天有90%以上的準(zhǔn)確度，到了傍晚就降到80%，夜間又降到70%，這種不穩(wěn)定的系統(tǒng)，比起全天候平均擁有70%準(zhǔn)確度的車牌辨識(shí)系統(tǒng)更難于整合。因?yàn)槭褂谜邥?huì)認(rèn)為，既然白天的辨識(shí)率有90%，那全天候的準(zhǔn)確率都要達(dá)到90%才合理，這樣的規(guī)格還不包括奇怪的環(huán)境干擾(暴雨襲擊、冰雹、濃霧區(qū)段等)，與架設(shè)環(huán)境限制(高度限制、風(fēng)大搖晃限制、不容易遭受人為破壞等)。

在日常錄入違法號(hào)牌信息中發(fā)現(xiàn)車輛號(hào)牌信息與系統(tǒng)顯示的車牌信息不符時(shí)，民警通過核查車輛信息后，把有違反交通法規(guī)的車輛信息錄入指揮中心的黑名單報(bào)警系統(tǒng)。此車在轄區(qū)內(nèi)行駛時(shí)，號(hào)牌會(huì)被系統(tǒng)自動(dòng)識(shí)別報(bào)警。