傳統模式識別技術。傳統模式識別技術指結構特征法，統計特征法等。90年代，由于計算機視覺技術的發展，開始出現汽車牌照識別的系統化研究。1990年AS.Johnson等運用計算機視覺技術和圖像處理技術實現了牌照的自動識別系統。該系統分為圖像分割、特征提取和模板構造、字符識別等三個部分。利用不同閩值對應的直方圖不同，經過大量統計實驗確定出車牌位置的圖像直方圖的閩值范圍，從而根據特定閩值對應的直方圖分割出車牌，再利用預先設置的標準字符模板進行模式匹配識別出字符。

人工神經網絡技術。近幾年來，計算機及相關技術發達的一些國家開始探討用人工神經網絡技術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神經網絡方法對車牌上的字符進行自動識別，BAM神經網絡是由相同神經元構成的雙向聯想式單層網絡，每一個字符模板對應著一個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神經網絡方法的缺點是無映解決識別系統存儲容量和處理速度相矛盾的問題。

一個車牌識別系統是否實用，較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85%~95%。

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。

紅外光路線是指利用反光車牌和紅外光的光學特性，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，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。