字符識(shí)別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。基于模板匹配算法將分割后的字符二值化,并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，后選佳匹配作為結(jié)果。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。

實(shí)際應(yīng)用中，牌照識(shí)別系統(tǒng)的識(shí)別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過(guò)程也會(huì)受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識(shí)別的識(shí)別率，也正是牌照識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像利于識(shí)別。

車牌識(shí)別是停車場(chǎng)用于識(shí)別車輛信息的管理系統(tǒng)之一，該技術(shù)能夠提取出行駛中的車輛的牌照并進(jìn)行識(shí)別，目前的技術(shù)水平車牌識(shí)別率可達(dá)到99.7%，車牌識(shí)別技術(shù)可以的識(shí)別出車輛車牌號(hào)，與傳統(tǒng)的人工作業(yè)相比，無(wú)論是臨時(shí)車、內(nèi)部車輛、訪客車甚至是未經(jīng)許可的車輛，車牌識(shí)別系統(tǒng)都可以對(duì)其進(jìn)行圖像信息的捕獲，并上傳至數(shù)據(jù)庫(kù)存儲(chǔ)。