字符識別方法目前主要有基于模板匹配算法和基于人工神經網絡算法。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據庫中模板的大小，然后與所有的模板進行匹配，后選佳匹配作為結果。基于人工神經元網絡的算法有兩種：一種是先對待識別字符進行特征提取，然后用所獲得特征來訓練神經網絡分配器；另一種方法是直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。

實際應用中，牌照識別系統的識別率與牌照質量和拍攝質量密切相關。牌照質量會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；實際拍攝過程也會受到環境亮度、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別的識別率，也正是牌照識別系統的困難和挑戰所在。為了提高識別率，除了不斷的完善識別算法，還應該想辦法克服各種光照條件，使采集到的圖像利于識別。

當車輛接近出入口的時候，車輛檢測器會自動感應到車輛的到來，然后觸發車牌識別一體機進行圖像抓拍，然后將抓拍的圖像發送到數據處理服務器，安裝在數據服務器上的車牌識別軟件對圖像進行處理，定位出牌照位置，再將車牌中的字符分割出來進行識別，然后組成車牌號碼保存下來，圖像和車牌號碼均保存在數據處理服務器上。

紅外光路線是指利用車牌反光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，不論是在一天中明亮的時候，還是在一天中暗的時候。的例外是在白天，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，并且嚴重依賴車牌反光材料。

一個車牌識別系統是否實用，重要的指標是識別率。國際交通技術作過的識別率指標論述，要求是24小時全天候全牌正確識別率85%～95%。信路通的車牌識別系統在實際應用中已經達到了全牌正確識別率90%以上。

車牌識別技術結合測速設備可以用于車輛超速違章處罰，一般用于高速公路。具體應用是：在路上設置測速監測點，抓拍超速的車輛并識別車牌號碼，將違章車輛的牌照號碼及圖片發往各出口；在各出口設置處罰點，用車牌識別設備識別通過車輛并將號碼與已經收到的超速車輛的號碼比對，一旦號碼相同即啟動警示設備通知執法人員處理。與傳統的超速監測方式相比，這種應用可以節省警力，降低執法人員的工作強度，而且安全、、隱蔽，司機需時刻提醒自己不能超速，地減少了因超速引發的事故。