车牌识别技术的构成一般最少包含2个部分：(1)rfid标签;(2)阅读软件。rfid标签中一般储存有承诺文件格式的电子数据，在具体运用中，rfid标签依附在待辨识物品的表层。阅读软件又称之为读取设备，可无触碰地载入并鉴别rfid标签中所存放的电子数据，进而做到自动检索物件的目地。进一步根据电子计算机及互联网完成对物体识别信息内容的收集、解决及远程控制传输等监管作用。
车牌识别技术重点在于下列三一部分：车牌精准定位、字符切分和宁符鉴别，下边就从这三个层面对车牌识别系统的快速发展和现况开展简易详细介绍：
车牌图象通常是在错综复杂的条件中拍照获得的，车牌因为与错综复杂的车体环境融为一体，因为车牌在运用中损坏与尘土及拍照仪器设备的干扰及其因为于自摄视角的小同，车牌在图片中常常有较大的变形，怎样在繁杂环境巾精确、迅速找到车牌的地方变成车牌鉴别中的难题。
现阶段已经有许多专家学者在这方面开展了科学研究，汇总起來具体有如下所示几种方法：
(1)根据水准灰度级转变特征的方法，这类方法关键在车牌精准定位之前，必须对图片开展预备处理，将彩色图像转化为二值化，利用车牌地区水平方向的纹路特征开展车牌精准定位;
(2)根据边沿枪测的精准定位方法，这类方法是利用车牌地区丰富多彩的边沿特征开展车牌精准定位，可以开展检验的方法有多种多样，如Roberts边沿算法、Prewitt算子、Sobel算法及其拉普拉斯图像分割;
(3)根据车牌色调特征的精准定位方法，这类方法主要是运用车牌的纹路特征、样子特征和色调特征即利用牟牌字符和车牌背景色具备显著的差距特征来清除影响开展车牌的精准定位;
(4)根据Housh转换的车牌精准定位方法，这类方法是利用车牌外框的几何图形特征，采用找寻车牌外框平行线的方法开展车牌精准定位;
(5)根据转换域的车牌精准定位方法，这类方法是将图象从航线转换到时域开展剖析，例如，选用小波分析等;
(6)根据数学课形态学的车牌精准定位方法，这类方法是利用数学课形态学图象处理的主要观念，利用一个构造原素来检测一个图象，看是不是能将这种构造原素有效的填放到图象内部结构，与此同时认证填放原素的方法足否合理。浸蚀、胀大、打开和关上是数学课形态学的基本上计算。
车牌字符的恰当切分足开展下一步车牌字符鉴别的基本，现阶段较常用的方法有以下几类：
(1)车牌地区纹路特征的方法，这类方法是利用车牌地区字符和背景色具备不一样的灰度级特征进而开展外框除去和字符切分的方法;
(2)根据数学课形态学的方法，这类方法是利用形态学的腐蚀性和胀大，将车牌字符地区构成连通域的方法除去外框，冉进一步选用字符连通域的方式开展字符切分;
(3)根据Hough转换的字符切分方法，这类方法是利用Hough转换，找寻车牌字符的左右界限，再融合车牌字符的排序特征开展字符的切分。
因为车辆车牌图象所处三维成像自然环境纷繁复杂难以收集到一个完全的有象征性初始图象集做为数据分析的基本，因而统计分析方法难以完成。此外车牌字符常产生形变、断缺等状况，使字符构造损伤，则取决于字体结构一致性的构造鉴别方法所获取的特征会不精确，鉴别結果的误识率也高。因而具体用以车牌鉴别的方法主要是后两大类。
根据人工神经网络的字符鉴别方法，具备较好的容错机制工作能力，归类水平和实时处理工作能力及自我学习能力，运用神经元网络完成计算机视觉，运作速度更快，响应式好，屏幕分辨率高。对信息内容繁杂、环境不清楚、逻辑推理不清晰的问题尤其有益。但神经网络算法为了更好地确保系统高准确率也要很多样版，通过学习获得专业知识并改善本身特性。当学习系统所处自然环境稳定时(统计分析特点不随时长转变)，神经元网络可以学得这种自然环境统计分析特点，做为工作经验记牢。假如自然环境是是非非稳定时(统计分析特点随時间更改)，神经元网络难以融入学习环境特点，因而无法确保识别技术的2个规定。根据模板匹配的字符鉴别方法，相对性优化算法简易，速率较快，获得了广泛运用。
根据模板匹配的字符鉴别方法关键有：简易模板匹配，外部轮廊配对，投射编码序列特征配对，外部轮廊投射配对，根据HmLsdorff 间距的模板匹配这些。