由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。系统进行视频车辆检测，需要具备很高的处理速度，在基本不丢帧的情况下实现图像采集、处理。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小。

1985年有人利用常见的图像处理技木方法提出汉字识别的分类是在抽取汉字特征的基础上进行的，根据汉字的投影直方图选取浮动闭值，抽取汉字在竖直方向的峰值，利用树形查表法进行汉字的粗分类;然后根据汉字在水平方向的投影直方图，选取适当闭值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的小距离，实现细分米完成汉字省名的自动识别。在交通管理系统中可以将车辆在某条道路的平均旅行时间作为判断该道路拥堵状况的一个参数。

人工神经网络技术。尽管市场上有林林总总的车牌辨识系统，用对产品与架构，可以省去很多的冤枉钱跟时间，但更重要的是，工程商与系统整合商需要多方配合及了解，而不是一味的只看重某厂牌比较好、比较便宜，凡事货比三家不吃亏。近几年来，计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题，例如1994年M.M.M.FANHY等就成功地运用了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。

这是车牌识别算法中关键的一步，效果的优劣直接影响到车牌识别率的高低。运用启发式车牌定位算法算法，使得综合号牌检出率高达99.5%。红外光路线是指利用反光和红外光的光学特性，用红外摄像机采集车辆灰度图像，由于红外特性，车辆图像上几乎只能看见车牌，然后用黑白图像处理方法识别车牌。字符识别是整个系统的核xin。在其实际应用中，为关键的问题是字符特征的选择，如果特征选择不具有很好的区分度，不仅特征维数较大而且还很难获得较好的识别效果。运用的大规模神经网络识别算法，使用综合号牌识别率高达98.5%。