在高速路的各個出入口安裝車牌識別設(shè)備，車輛駛?cè)霑r識別車輛牌照將入口資料存入收費系統(tǒng)，車輛到達出口時再次識別其牌照并根據(jù)牌照信息調(diào)用入口資料，結(jié)合出入口資料實現(xiàn)收費管理。這種應用可以實現(xiàn)自動計費并可防止作弊，避免了應收款的流失。

通過對圖像的采集和處理，完成車牌自動識別功能，能從一幅圖像中自動提取車牌圖像，自動分割字符，進而對字符進行識別.其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備(監(jiān)測車輛是否進入視野)、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識別車牌號碼的處理機(如計算機)等。

系統(tǒng)進行視頻車輛檢測，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現(xiàn)圖像采集、處理。若處理速度慢，則導致丟幀，使系統(tǒng)無法檢測到行駛速度較快的車輛，同時也難以在有利于識別的位置開始識別處理，影響系統(tǒng)識別率。因此，將視頻車輛檢測與牌照自動識別相結(jié)合具備一定的技術(shù)難度。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計算機及相關(guān)技術(shù)發(fā)達的一些國家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動識別問題，例如1994年M.M.M.FANHY等就成功地運用了BAM神經(jīng)網(wǎng)絡(luò)方法對車牌上的字符進行自動識別，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)，每一個字符模板對應著個BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼。

例如一個車牌系統(tǒng)在白天有90%以上的準確度，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%準確度的車牌辨識系統(tǒng)更難于整合。因為使用者會認為，既然白天的辨識率有90%，那全天候的準確率都要達到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、風大搖晃限制、不容易遭受人為破壞等)。

在日常錄入違法號牌信息中發(fā)現(xiàn)車輛號牌信息與系統(tǒng)顯示的車牌信息不符時，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警系統(tǒng)。此車在轄區(qū)內(nèi)行駛時，號牌會被系統(tǒng)自動識別報警。