傳統(tǒng)模式識別技術(shù)。傳統(tǒng)模式識別技術(shù)指結(jié)構(gòu)特征法，統(tǒng)計特征法等。90年代，由于計算機視覺技術(shù)的發(fā)展，開始出現(xiàn)汽車牌照識別的系統(tǒng)化研究。1990年AS.Johnson等運用計算機視覺技術(shù)和圖像處理技術(shù)實現(xiàn)了牌照的自動識別系統(tǒng)。該系統(tǒng)分為圖像分割、特征提取和模板構(gòu)造、字符識別等三個部分。利用不同閩值對應(yīng)的直方圖不同，經(jīng)過大量統(tǒng)計實驗確定出車牌位置的圖像直方圖的閩值范圍，從而根據(jù)特定閩值對應(yīng)的直方圖分割出車牌，再利用預(yù)先設(shè)置的標準字符模板進行模式匹配識別出字符。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)。近幾年來，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(yīng)著一個BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼。

這種采用BAM神經(jīng)網(wǎng)絡(luò)方法的缺點是無映解決識別系統(tǒng)存儲容量和處理速度相矛盾的問題。

一個車牌識別系統(tǒng)是否實用，較重要的指標是識別率。國際交通技術(shù)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85%~95%。

為了測試一個車牌識別系統(tǒng)識別率，需要將該系統(tǒng)安裝在一個實際應(yīng)用環(huán)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，并且需要將牌照圖像和識別結(jié)果存儲下來，以便調(diào)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(jié)果。之后便可以統(tǒng)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(shù)/實際通過的車輛總數(shù)

2、可識別車牌照的百分率=人工正確讀取的車牌照總數(shù)/實際通過的車輛總數(shù)

3、可識別全牌正確識別率=全牌正確識別的車牌照總數(shù)/人工讀取的車牌照總數(shù)這三個指標決定了車牌識別系統(tǒng)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(jié)果。

紅外光路線是指利用反光車牌和紅外光的光學(xué)特性，用紅外攝像機采集車輛灰度圖像，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別車牌。950nm的紅外照明裝置可抓拍到很好的反光車牌照圖像。因紅外光是不可見光，它不會對駕駛員產(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，不論是在一天中較明亮的時候，還是在一天中較暗的時候。例外是在白天，有時會看到一些牌照周圍的細節(jié)，這是因為晴朗天氣時太陽光的外光波的影響。采用紅外燈的缺點就是所捕獲的車牌照圖像不是彩色的，不能獲取整車圖像，并且嚴重依賴反光車牌材料。