望牛墩智能車牌識別系統是計算機視頻圖像識別技術在車輛牌照識別中的一種應用。車牌識別在高速公路車輛管理中得到廣泛應用，電子收費（ETC）系統中，也是結合DSRC技術識別車輛身份的主要手段。智能車牌識別系統技術結合電子不停車收費系統（ETC）識別車輛，過往車輛通過道口時無須停車，即能夠實現車輛身份自動識別、自動收費。

在車場管理中，為提高出入口車輛通行效率，車牌識別針對無需收停車費的車輛（如月卡車、內部免費通行車輛），建設無人值守的快速通道，免取卡、不停車的出入體驗，正改變出入停車場的管理模式。

選購準則：
重視穩定度：
隨著產品算法與業者的技術提升，整合早就不是重要的話題，現階段最需要注意的重點反而是“穩定度”。穩定度的定義是：在一個既定的車速范圍內，不會讓必須達到的準確度，因外在環境影響而產生過大的誤差。

例如一個車牌系統在白天有90%以上的準確度，到了傍晚就降到80%，夜間又降到70%，這種不穩定的系統，比起全天候平均擁有70%準確度的車牌辨識系統更難于整合。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，這樣的規格還不包括奇怪的環境干擾(暴雨襲擊、冰雹、濃霧區段等)，與架設環境限制(高度限制、風大搖晃限制、不容易遭受人為破壞等)。

確實實測：
幾乎每家都宣稱擁有高辨識率，但為了避免事后因為雙方對產品認知有差異，而將運作不良的責任互相推托，用戶在采購車牌辨識系統時，不妨要求實地測試，而且測試時間最好超過兩個禮拜，比較能判斷辨識結果是否“言過其實”。因為多變的環境，兩個禮拜應該可以對于場域可能影響辨識率的情形，大約掌握了八成，如果只是測一天、甚至幾個小時，是無法了解的。

另外，車牌辨識既然是“系統”，當中軟硬件架構的好壞，當然會影響“呈現的結果”。至于什么樣的軟件跟硬件，適合什么樣的環境，這就必須因環境而異，因為不同的應用環境，對于辨識率的要求未必相同，而這就必須靠經驗累積。

盡管市場上有林林總總的車牌辨識系統，用對產品與架構，可以省去很多的冤枉錢跟時間，但更重要的是，工程商與系統整合商需要多方配合及了解，而不是一味的只看重某廠牌比較好、比較便宜，凡事貨比三家不吃虧。

此外，車牌辨識系統能否發揮最大效用，除了軟件技術之外，與攝影機及現場施工能力，也有很大的關系。使用者可要求廠商至現場勘查后，提出建置規劃方案，先評估應該架設的地點、攝影機架設角度、是否需要架設輔助光源等，再提出報價，藉由這些動作，除了得以事先評估業者的能力，用戶本身也可以達到產品學習及教育訓練，日后管理時，會更清楚知道該產品的使用限制及相關因應措施。

后臺管理：
一個車牌識別系統的后臺管理體系，決定了這個車牌識別系統是否好用。必須清楚地認識到重要的一點是識別率達到100%是不可能的，因為車牌照污損、模糊、遮擋，或者天氣也許很糟（下雪﹑冰雹﹑大霧等等）。后臺管理體系的功能應該包括：
1、識別結果和車輛圖像數據的可靠存儲，當多功能的系統操作使得網絡出差錯時能保護圖像數據不會丟失，同時便于事后人工排查；

2、有效的自動比對和查詢技術，被識別的車牌照號碼要同數據庫中成千上萬的車牌號碼自動比對和提示報警，如果車牌照號碼沒有被正確讀取時就要采用模糊查詢技術才能得出相對“最佳”的比對結果；

3、一個好的車牌識別系統對于聯網運行，還需要提供實時通信、網絡安全、遠程維護、動態數據交換、數據庫自動更新、硬件參數設置、系統故障診斷。

識別率：
一個車牌識別系統是否實用，最重要的指標是識別率。國際交通技術作過專門的識別率指標論述，要求是24小時全天候全牌正確識別率95%以上。

為了測試一個車牌識別系統識別率，需要將該系統安裝在一個實際應用環境中，全天候運行24小時以上，采集至少1000輛自然車流通行時的車牌照進行識別，并且需要將車輛牌照圖像和識別結果存儲下來，以便調取查看。然后，還需要得到實際通過的車輛圖像以及正確的人工識別結果。之后便可以統計出以下識別率：
1、自然交通流量的識別率=全牌正確識別總數/實際通過的車輛總數

2、可識別車牌照的百分率=人工正確讀取的車牌照總數/實際通過的車輛總數

3、可識別全牌正確識別率=全牌正確識別的車牌照總數/人工讀取的車牌照總數這三個指標決定了車牌識別系統的識別率，諸如可信度、誤識率等都是車牌識別過程中的中間結果。