1) 牌照定位，定位图片中的牌照位置;
2) 牌照字符分割，把牌照中的字符分割出来;
3) 牌照字符识别，把分割好的字符进行识别，组成牌照号码。
车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。
1) 牌照定位
自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，选定一个较佳的区域作为牌照区域，并将其从图像中分离出来。
2) 牌照字符分割
完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。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较小值的附近，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。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。
3) 牌照字符识别方法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，然后与所有的模板进行匹配，选择较佳匹配作为结果。基于人工神经网络的算法有两种:一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。
人工神经网络技术。近几年来，计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题，例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着一个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。
这种采用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。
可能是车牌被什么杂物给遮挡住了，导致车牌识别系统无法准确识别车牌信息，也可能是车牌识别系统准确度不够，或者是出现问题，导致无法识别车牌信息。如果是前者的问题，将车牌上的杂物清理干净便可，如果是车牌识别系统的问题，可以选择换一个车牌识别系统，比如云脉智能车牌识别系统，基于成熟的OCR技术，支持单张拍摄或连拍，对所得车牌图像进行快速识别，自动捉捕车牌信息并分类至正确字段，识别速度快，平均识别时间少于3秒，识别率高，字符识别率大于98%...