一般在智慧停車系統(tǒng)中的車牌識別系統(tǒng)中有早期的圖像處理技術(shù)，后期的傳統(tǒng)模式識別技術(shù)及人工神經(jīng)網(wǎng)絡(luò)技術(shù)。

圖像處理技術(shù)：運用圖像處理技術(shù)解決汽車牌照識別的研究最早始于80年代，但國內(nèi)外均只是就車牌識別中的某一個具體問題進行討論，并且通常僅采用簡單的圖像處理技術(shù)來解決，并沒有形成完整的系統(tǒng)體系，識別過程是使用工業(yè)攝像機拍下汽車的前方圖像，然后交給計算機進行簡單的處理，實現(xiàn)智慧停車。

國內(nèi)多數(shù)停車場系統(tǒng)中的車牌識別系統(tǒng)有兩種觸發(fā)方式，一種是外設(shè)線圈觸發(fā)，另一種是視頻觸發(fā)。

外設(shè)線圈觸發(fā)

工作方式是指采用線圈、紅外或車輛檢測器通過信號，車牌識別系統(tǒng)接受到車輛觸發(fā)信號后，采集車輛和車牌圖像，自動識別車牌進行后續(xù)處理。該方法的優(yōu)點是觸發(fā)率高，性能穩(wěn)定;缺點是需要切割地面鋪設(shè)線圈，施工量大。

視頻觸發(fā)方式

是指車牌識別系統(tǒng)采用動態(tài)運動目標序列圖像分析處理算法技術(shù)，實時檢測車道上車輛移動狀況，發(fā)現(xiàn)車輛通過時捕捉車輛圖像，識別車牌照，并進行后續(xù)處理。視頻觸發(fā)方式不需借助線圈、紅外或其他硬件車輛檢測器。該方法的優(yōu)點是施工方便，不需要切割地面鋪設(shè)線圈，也不需要安裝車檢器等零部件，但其缺點也十分顯著，由于算法的極限，該方案的觸發(fā)率與識別率較之外設(shè)線圈觸發(fā)都要低很多。

1)傳統(tǒng)模式識別技術(shù)

傳統(tǒng)模式識別技術(shù)指結(jié)構(gòu)特征法，統(tǒng)計特征法等。90年代，由于計算機視覺技術(shù)的發(fā)展，開始出現(xiàn)汽車牌照識別的系統(tǒng)化研究。運用計算機視覺技術(shù)和圖像處理技術(shù)實現(xiàn)了車輛牌照的自動識別系統(tǒng)。該系統(tǒng)分為圖像分割、特征提取和模板構(gòu)造、字符識別等三個部分。利用不同閩值對應(yīng)的直方圖不同，經(jīng)過大量統(tǒng)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(jù)特定閩值對應(yīng)的直方圖分割出車牌，再利用預先設(shè)置的標準字符模板進行模式匹配識別出字符。

2)人工神經(jīng)網(wǎng)絡(luò)技術(shù)

近幾年來，計算機及相關(guān)技術(shù)發(fā)達的一些國家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動識別問題，成功地運用了BAM神經(jīng)網(wǎng)絡(luò)方法對車牌上的字符進行自動識別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個字符模板對應(yīng)著唯一個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(jīng)網(wǎng)絡(luò)方法的缺點是無映解決識別系統(tǒng)存儲容量和處理速度相矛盾的問題。