車牌識(shí)別系統(tǒng)針對(duì)這些基礎(chǔ)的算法有了更進(jìn)一步，深層次的運(yùn)用。解決了在復(fù)雜背景的圖象中如何準(zhǔn)確而迅速地定位分割牌照區(qū)域一體化攝像機(jī)專指可自動(dòng)聚焦、鏡頭內(nèi)建的攝像機(jī)。與傳統(tǒng)攝像機(jī)相比，一體化攝像機(jī)體積小巧、美觀，安裝、使用方便，監(jiān)控范圍廣、等優(yōu)點(diǎn)。而車牌識(shí)別一體機(jī)則是在一體化攝像機(jī)上加入車牌識(shí)別的功能，車牌識(shí)別一體攝像機(jī)針對(duì)停車場行業(yè)，推出的基于嵌入式的智能高清車牌識(shí)別一體機(jī)產(chǎn)品，集車牌識(shí)別、攝像、前端儲(chǔ)存、補(bǔ)光等一體，基于車牌自動(dòng)曝光控制算法，成像。具有性能、多功能、高適應(yīng)性、強(qiáng)穩(wěn)定性等特點(diǎn)。

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。

在交通管理系統(tǒng)中可以將車輛在某條道路的平均旅行時(shí)間作為判斷該道路擁堵狀況的一個(gè)參數(shù)。安裝車牌識(shí)別設(shè)備于道路的起止點(diǎn)，識(shí)讀所有通過車輛并將牌照號(hào)碼傳回交通指揮中心，指揮中心的管理系統(tǒng)根據(jù)這些結(jié)果就可計(jì)算出車輛平均旅行時(shí)間。

系統(tǒng)進(jìn)行視頻車輛檢測，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，將視頻車輛檢測與牌照自動(dòng)識(shí)別相結(jié)合具備一定的技術(shù)難度。

自然光路線是指白天利用自然光線，夜間采用輔助照明光源，用彩色攝像機(jī)采集車輛真彩色圖像，用彩色圖像分析處理方法識(shí)別車牌。自然光真彩色識(shí)別技術(shù)路線，與人眼感光習(xí)慣一致，并且，真彩色圖像能夠反映車輛及其周圍環(huán)境真實(shí)的圖像信息，不僅可以用來識(shí)別車牌照，而且可以用來識(shí)別車牌照顏色、車流量、車型、車顏色等車輛特征。用一個(gè)攝像機(jī)采集的圖像，同時(shí)實(shí)現(xiàn)所有前端基本視頻信息采集、識(shí)別和人工輔助圖像取證判別，可以前瞻性的為未來的智能交通系統(tǒng)工程預(yù)留接口。

紅外光路線是指利用車牌反光和紅外光的光學(xué)特性，用紅外攝像機(jī)采集車輛灰度圖像，由于紅外特性，車輛圖像上幾乎只能看見車牌，然后用黑白圖像處理方法識(shí)別車牌。950nm的紅外照明裝置可抓拍到很好的反光車牌照?qǐng)D像。因紅外光是不可見光，它不會(huì)對(duì)駕駛員產(chǎn)生視覺影響。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中明亮的時(shí)候，還是在一天中暗的時(shí)候。的例外是在白天，有時(shí)會(huì)看到一些牌照周圍的細(xì)節(jié)，這是因?yàn)榍缋侍鞖鈺r(shí)太陽光的外光波的影響。采用紅外燈的缺點(diǎn)就是所捕獲的車牌照?qǐng)D像不是彩色的，不能獲取整車圖像，并且嚴(yán)重依賴車牌反光材料。

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。

為了測試一個(gè)車牌識(shí)別系統(tǒng)識(shí)別率，需要將該系統(tǒng)安裝在一個(gè)實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24小時(shí)以上，采集至少1000輛自然車流通行時(shí)的車牌照進(jìn)行識(shí)別，并且需要將車輛牌照?qǐng)D像和識(shí)別結(jié)果存儲(chǔ)下來，以便調(diào)取查看。然后，還需要得到實(shí)際通過的車輛圖像以及正確的人工識(shí)別結(jié)果。之后便可以統(tǒng)計(jì)出以下識(shí)別率：
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。