一般在停车场车牌识别系统中有早期的图像处理技术，后期的传统模式识别技术及人工神经网络技术。

　　图像处理技术：运用图像处理技术解决汽车牌照识别的研究zui早始于80年代，但国内外均只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系，识别过程是使用工业摄像机拍下汽车的前方图像，然后交给计算机进行简单的处理。

　　国内多数车牌识别系统有两种触发识别方式，一种是外设线圈触发识别，另一种是视频触发识别。

　　外设线圈触发

　　工作方式是指采用线圈、红外或车辆检测器通过信号，车牌识别系统接受到车辆触发信号后，采集车辆和车牌图像，自动识别车牌进行后续处理。该方法的优点是触发率高，性能稳定;缺点是需要切割地面铺设线圈，施工量大。

　　视频触发识别

　　是指车牌识别系统采用动态运动目标序列图像分析处理算法技术，实时检测车道上车辆移动状况，发现车辆通过时捕捉车辆图像，识别车牌照，并进行后续处理。不需借助线圈、红外或其他硬件车辆检测器。该方法的优点是施工方便，不需要切割地面铺设线圈，也不需要安装车检器等零部件，但其缺点也十分显着，由于算法的极限，该方案的触发率与识别率较之外设线圈触发都要低很多。

　1)传统模式识别技术

　　传统模式识别技术指结构特征法，统计特征法等。90年代，由于计算机视觉技术的发展，开始出现汽车牌照识别的系统化研究。运用计算机视觉技术和图像处理技术实现了车辆牌照的自动识别系统。该系统分为图像分割、特征提取和模板构造、字符识别等三个部分。利用不同闽值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闽值范围，从而根据特定闽值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配识别出字符。

　　2)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开始探讨用人工神经网络技术解决车牌自动识别问题，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*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。