车牌自动识别系统能将输入的汽车图象通过处理识别，输出为几个字节大小的车牌字符串，无论在存储空间的占用上还是与管理数据库相连方面都有无可比拟的优越性。在大型停车场，交通部门的违章监测(电子警察)、高速公路及桥梁的收费站管理等方面，有着广泛的应用前景。
将汽车图象文件以Raw格式文件输入计算机后，计算机将车牌部分从整幅图象中抽取出来，实现车牌定位。设定门限值为127，设定检测阈值为16。然后对图象自上而下逐行扫描，若某一行的0→1和1→0变化次数大于该阈值则假设其为待测车牌最低点，继续逐行扫描直至0→1和1→0变化次数小于8的情况出现。将该值假设为待测车牌最高点。若最高点与最低点之差大于15则认为目标已检测到，否则继续进行扫描。如果未检测到符合上述条件的目标，则自动调整门限值重复以上的操作。直到找到目标为止。
列切分是把定位后提取出的牌照图象，切分成单个的字符图象。字符块在垂直方向上的投影必然在正确的分割位置上(即字符或字符内的间隙处)取得了局部最小值，且这个位置应该满足书写规则和字符尺寸限制。对字符图象进行垂直方向的投影。在水平方向上从左至右检测各坐标的投影数值。检测到第一个投影值不为0的坐标可视为首字符的左边界，从该坐标向右检测到的第一个投影值为0的坐标可视为首字符的右边界，其余字符的边界坐标同理可得。
轮廓化处理采用四邻域法，对噪声平滑后的64×64的文字图象f(i,j)，扫描黑象素点(i,j)的上、下、左、右四个邻点，只要有一点不为黑，则点(i,j)为字符轮廓上的点，置其灰度为1(即黑色)，其他情况均令点(i,j)的灰度为0(即白色)。细化处理采用二次扫描细化法，该方法的速度较快，但由于是一种较为简单的迭代算法，有时会造成一定程度的骨架形变。
把字符分割成n×n的网络，对每个小网络统计出区域笔划的方向特征。每个小区域突出字符的局部特征，且对微小的偏移或变形不敏感。把相邻三点形成的两条线素定义为微结构。轮廓化后的字符，其中有十二种边界线素的情况和字符笔划相关。
为了提高识别的准确和速度，在匹配中采用多级分类的识别方案。
字库是在众多字库中择优选取的。其中汉字从宋体字库中选取，字母及数字从OCR－A字库中选取。对标准字符分别进行归一化、轮廓化和特征抽取，标准模板就是从中抽取特征得到的特征向量。
车牌定位非常理想；字符分割无误；对汉字首字符的识别有时会出现误识(可见汉字的识别难度较大，匹配算法和模板库的建立方面是问题的关键所在)；对字母及数字的识别较好；在细分类优先级的前两级达到100%。