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。

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，現階段較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、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)。

車牌識別系統識別率低的影響因素及解決方法： 1.受車輛行駛速度影響

車牌識別的相機會從連續播放的圖片里選出其中的一張作為輸出畫面，然后在其中選取不同的幀數作為識別圖片，從而達到視頻識別的效果，所以這樣就會出現當車速過快時，容易掉幀，識別不出來的情況，這種情況下大部分車牌識別系統廠家是通過添加一個減速帶來解決。

采用計算機視覺技術識別車牌的流程通常都包括車輛圖像采集，車牌定位，字符分割，光學字符識別，輸出識別結果5個步驟。車輛圖像的采集方式決定了車牌識別的技術路線。國際ITS通行的兩條主流技術路線是自然光和紅外光圖像采集識別。自然光和紅外光不會對人體產生不良的心理影響，也不會對環境產生新的電子污染，屬于綠色環保技術。