直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术。
图像处理技术:运用图像处理技术解决汽车牌1照识别的研究早始于80年代，但国内外均只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系，识别过程是使用工业电视摄像机拍下汽车的工前方图像，然后交给计算机进行简单的处理，并且终仍需要人工干预，例如车辆牌1照中省份
电动翼闸
直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术。
图像处理技术:运用图像处理技术解决汽车牌1照识别的研究早始于80年代，但国内外均只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系，识别过程是使用工业电视摄像机拍下汽车的工前方图像，然后交给计算机进行简单的处理，并且终仍需要人工干预，例如车辆牌1照中省份汉字的识别问题，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距离，实现细分米完成汉字省名的自动识别。
一个车牌识别系统是否实用，的指标是识别率。国际交通技术作过专门的识别率指标论述，要求是24小时全天候全牌正确识别率95%以上。为了测试一个车牌识别系统识别率，需要将该系统安装在一个实际应用环境中，全天候运行24小时以上，采集至少1000辆自然车流通行时的车牌1照进行识别，并且需要将车辆牌1照图像和识别结果存储下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果。
之后便可以统计出以下识别率：
1、自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数
2、可识别车牌1照的百分率=人工正确读取的车牌1照总数/实际通过的车辆总数
3、可识别全牌正确识别率=全牌正确识别的车牌1照总数/人工读取的车牌1照总数这三个指标决定了车牌识别系统的识别率，诸如可信度、误识率等都是车牌识别过程中的中间结果。
车牌识别系统影响识别率不高的原因及解决方法
目前，市场上的大多数停车场都采用了车牌识别系统。车牌识别停车已是停车场的基本配置， 然而，当车主离开停车场时，仍然遇到没法一次通过出口，车牌识别摄像头不能识别到车牌，要返回重新识别情况。那么，究竟是什么原因影响了车牌识别摄像头的识别效果呢？
对于安装车牌识别停车场系统的停车场，影响其识别率的原因主要有两点，第yi、要保证停车场环境光线要足够明亮，对于光线较暗或者是夜间的时候，应该适当增加一些补光设备。第 二、保证进出停车场的车辆车牌照要完好无损，这样就可以保证对每辆进出场的车辆车牌都可以进行抓拍。
车牌识别系统在不同环境下如何处理图片成像？
近年来，私家车数量的不断增加也推动了停车行业的蓬勃发展。车牌识别作为当前智能停车场的核心技术，是整个停车场系统的核心。车牌识别系统管理的停车场已普及到我们生活的各个领域，所以更的识别技术将为人们带来更多便利，不过由于自然环境的影响，车牌识别的技术还是会受到影响，目前影响车牌识别成像的因素各不相同。
1、夜间亮度不强，光线不分散 在夜间大灯的作用下，车牌图像可能会变成一块黑一块白的情况。为了解决这个问题，通常使用依靠算法来控制填充光的智能补光技术。 同时使用双宽动态，使车牌识别摄像头可以在同一个屏幕上更多明亮和黑暗的细节，更接近人眼所见。
2、天气的影响 雨雾天气能见度较低，获取的车牌图片质量会有严重的退化，因此车牌识别系统必须实现图像复原功能，即采用图像复原算法对雨雾天退化图像实现场景的再现。
3、车辆来往方向不同 对于因车辆运行而形成的大角度，个别厂家的车牌识别系统对于此种情况的处理效果并不理想，该问题在有转弯和出入口较宽的停车场显得尤为明显，当然通过对车牌识别摄像机的高度和角度的控制，可以减少大角度的弧度，但是并不能完全解决这个问题，德立达停车场车牌识别系统就有效的解决的这一问题。
4、背对光线 对于顺逆光而言，可以通过局部曝光、强光抑制等智能控光技术调整摄像机的曝光参数从而实现优异的成像自动控制。
（作者： 来源：）
