車牌識別技術的構成一般最少包含2個部分：(1)rfid標簽;(2)閱讀軟件。rfid標簽中一般儲存有承諾文件格式的電子數據，在具體運用中，rfid標簽依附在待辨識物品的表層。閱讀軟件又稱之為讀取設備，可無觸碰地載入并鑒別rfid標簽中所存放的電子數據，進而做到自動檢索物件的目地。進一步根據電子計算機及互聯網完成對物體識別信息內容的收集、解決及遠程控制傳輸等監管作用。
車牌識別技術重點在于下列三一部分：車牌精準定位、字符切分和寧符鑒別，下邊就從這三個層面對車牌識別系統的快速發展和現況開展簡易詳細介紹：
車牌圖象通常是在錯綜復雜的條件中拍照獲得的，車牌因為與錯綜復雜的車體環境融為一體，因為車牌在運用中損壞與塵土及拍照儀器設備的干擾及其因為于自攝視角的小同，車牌在圖片中常常有較大的變形，怎樣在繁雜環境巾精確、迅速找到車牌的地方變成車牌鑒別中的難題。
現階段已經有許多專家學者在這方面開展了科學研究，匯總起來具體有如下所示幾種方法：
(1)根據水準灰度級轉變特征的方法，這類方法關鍵在車牌精準定位之前，必須對圖片開展預備處理，將彩色圖像轉化為二值化，利用車牌地區水平方向的紋路特征開展車牌精準定位;
(2)根據邊沿槍測的精準定位方法，這類方法是利用車牌地區豐富多彩的邊沿特征開展車牌精準定位，可以開展檢驗的方法有多種多樣，如Roberts邊沿算法、Prewitt算子、Sobel算法及其拉普拉斯圖像分割;
(3)根據車牌色調特征的精準定位方法，這類方法主要是運用車牌的紋路特征、樣子特征和色調特征即利用牟牌字符和車牌背景色具備顯著的差距特征來清除影響開展車牌的精準定位;
(4)根據Housh轉換的車牌精準定位方法，這類方法是利用車牌外框的幾何圖形特征，采用找尋車牌外框平行線的方法開展車牌精準定位;
(5)根據轉換域的車牌精準定位方法，這類方法是將圖象從航線轉換到時域開展剖析，例如，選用小波分析等;
(6)根據數學課形態學的車牌精準定位方法，這類方法是利用數學課形態學圖象處理的主要觀念，利用一個構造原素來檢測一個圖象，看是不是能將這種構造原素有效的填放到圖象內部結構，與此同時認證填放原素的方法足否合理。浸蝕、脹大、打開和關上是數學課形態學的基本上計算。
車牌字符的恰當切分足開展下一步車牌字符鑒別的基本，現階段較常用的方法有以下幾類：
(1)車牌地區紋路特征的方法，這類方法是利用車牌地區字符和背景色具備不一樣的灰度級特征進而開展外框除去和字符切分的方法;
(2)根據數學課形態學的方法，這類方法是利用形態學的腐蝕性和脹大，將車牌字符地區構成連通域的方法除去外框，冉進一步選用字符連通域的方式開展字符切分;
(3)根據Hough轉換的字符切分方法，這類方法是利用Hough轉換，找尋車牌字符的左右界限，再融合車牌字符的排序特征開展字符的切分。
因為車輛車牌圖象所處三維成像自然環境紛繁復雜難以收集到一個完全的有象征性初始圖象集做為數據分析的基本，因而統計分析方法難以完成。此外車牌字符常產生形變、斷缺等狀況，使字符構造損傷，則取決于字體結構一致性的構造鑒別方法所獲取的特征會不精確，鑒別結果的誤識率也高。因而具體用以車牌鑒別的方法主要是后兩大類。
根據人工神經網絡的字符鑒別方法，具備較好的容錯機制工作能力，歸類水平和實時處理工作能力及自我學習能力，運用神經元網絡完成計算機視覺，運作速度更快，響應式好，屏幕分辨率高。對信息內容繁雜、環境不清楚、邏輯推理不清晰的問題尤其有益。但神經網絡算法為了更好地確保系統高準確率也要很多樣版，通過學習獲得專業知識并改善本身特性。當學習系統所處自然環境穩定時(統計分析特點不隨時長轉變)，神經元網絡可以學得這種自然環境統計分析特點，做為工作經驗記牢。假如自然環境是是非非穩定時(統計分析特點隨時間更改)，神經元網絡難以融入學習環境特點，因而無法確保識別技術的2個規定。根據模板匹配的字符鑒別方法，相對性優化算法簡易，速率較快，獲得了廣泛運用。
根據模板匹配的字符鑒別方法關鍵有：簡易模板匹配，外部輪廊配對，投射編碼序列特征配對，外部輪廊投射配對，根據HmLsdorff 間距的模板匹配這些。