触发方式车牌识别系统有两种触发方式，一种是外设触发，另一种是视频触发。

外设触发工作方式是指采用线圈、红外或其他检测器检测车辆通过信号，车牌识别系统接受到车辆触发信号后，采集车辆图像，自动识别车牌，以及进行后续处理。

视频触发方式是指车牌识别系统采用动态运动目标序列图像分析处理技术，实时检测车道上车辆移动状况，发现车辆通过时车辆图像，识别车牌照，并进行后续处理。视频触发方式不需借助线圈、红外或其他硬件车辆检测器。

1)间接法:指通过识别安装在汽车上的IC卡或条形码中所存储的车牌的信息来识别车牌及相关信息。IC卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业;条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等优点，但是对于扫描器要求很高。此外，二者都需要制定出全国统一的标准，并且无法核对车、条形码是否相符，也是技术上存在的缺点，这给在短时间内推广造成困难。

2)直接法:基于图像的车牌识别技术属于直接法，停车场系统，是一种无源型汽车牌照智能识别方法，能够在无任何专用发送车牌信号的车载发射设备情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。与间接法识别系统相比，首先，这种系统节省了设备安置及大量资金，从而提高了经济效益;其次，由于采用了先进的计算机应用技术，所以可提高识别速度，较好地解决实时性问题;再次，它是根据图像进行识别，所以通过人的参与可以解决系统中的识别错误，而其他方法是难以与人交互的。

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。

1)图像处理技术:运用图像处理技术解决汽车牌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，做停车场系统企业，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，例如车牌中省份汉字的识别问题，智能停车场系统，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。

2)传统模式识别技术。传统模式识别技术指结构特征法，统计特征法等。90年代，由于计算机视觉技术的发展，开始出现汽车牌照识别的系统化研究。1990年AS.Johnson等运用计算机视觉技术和图像处理技术实现了车牌的自动识别系统。该系统分为图像分割、特征提取和模板构造、字符识别等三个部分。利用不同闽值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闽值范围，从而根据特定闽值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配识别出字符。

3)人工神经网络技术。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个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。

这种采用BAM神经网络方法的缺点是无映解决识别系统存储容量和处理速度相矛盾的问题

车辆识别对运动目标摄取方案

交通场景中车辆对象的实时检测是基于视频的交通监测系统中重要也是基本的步骤．是视频检测法的核心，检测的正确与否直接关系到智能交通系统决簧的正确性，感兴趣区域(Rcpon Of Interestinl;，ROI)提取是对交通场景视频图像中的车辆进行粗分割．车辆识别系统将有可能是车辆的区域从复杂的交通场景中分割出来以便进行后续的检测与跟踪操作．对一个像素检测主要是利用了在视频图像序列中处于同一位置的像素信息，而不是仅仅利用一帧中该像素的周围像素信息，这主要是由视频图像的特点决定的．对ROI的提取主要有光流法、帧差法、背景差法等几类方法。

   (I)光流法

   对于运动目标的检测直接的想法就是分析图像序列中各点的运动场，即找出由空间运动而引起的像平面上对应点的运动。然而，在图像中可测的仅仅是图像辐照度的变化，由图像辐照度的变化所反映的运动称为表观运动，对表观运动的记录称为光流，光流场并不一定能反映物体的真实运动，但是在我们所处理的情况中，为简便起见，可以忽略衰观运动和物体真实运动之间的差异，用光流场来代替运动场，分析图像中的运动目标及其运动参数。

  在运动（光流）场确定之后，去除随机噪声及一些过小的运动，认为在检测时段内运动向量始终在一定范围内保持一致的那些区域属于一个物体，从而可以确定出各运动目标（车辆）在各个时刻的运动参数（速度，方向等）．

   基于车光流场分析进行跟踪的方法，可以很精的计算出运动目标的速度，停车场系统设备，但是这种方法采用迭代的方法·计算时间较长，无法进行实时的跟踪，并且该方法只考虑利用光流散据来进行决策，所以受到被估算的光流场精度的限制．这些方法受到噪声的影响严重·而且·分割所得的运动对象的边缘精度不够．在运动不完全的情况下，则会产生分割结果不完整等问题。

 另外，由于运动场并不是很可靠，因此通常在物体边界或纹理不突出区域产生错误，从而会对分割结果产生明显的影响，因此，由于各方面的限制，使得基于光流法的运动分割并不适合交通场景下的运动分析。

   (2)帧差法

   帧间差分法又称图像序列差分法．当监控场景中出现运动物体时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像对应像素点亮度值差的绝值，通过判断它是否大干阀值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动，图

像序列逐帧地差分，相当于对图像序列进行了时域上的高通滤波。

  帧差法的优点是计算简单且不易受环境光线变化的影响，但它不能检测静止车辆，且处理效果与图像采样频率以及被检测车辆的车速有关·如果视频检测嚣采样频率过小，而车速较快，可能会造成误分割：反之如果采样频率过大且车速较慢，又会造成过度覆盖，极端情况下运动物体可能完全重叠，类似于静止车辆，从而导致无法分割出运动物体。

   (3)背景差法

   背景差法的基本思想是先形成交通场景的背景图像，然后将待检酒图像与背景图像逐像素相减（理想情况下的差值图像中非零像素点就表示了运动物体），进而就可运用N值方法将运动物体从背景中分离出来。

可靠的背景图像是背景差法能否成功提取目标区域的关键．背景图像可由人工拍摄一幅没有车辆的图像来得到，也可以通过序列图像的平均来得到，显然，建筑物阴影、浮云或光照的变化都会造成背景环境明显的变化．由于这些环境变化因素，作为参照物的背景需要定时更新·目前有多种背景更新方法，常用的方法是多帧平均( FrameAvmging)法和选择更新（Selective Updating）法。

 车辆识别系统背景差方法的优点是：原理和算法设计简单：根据实际情况确定N值进行处理后，所得结果直接反映了运动目标的位置、大小，形状等信息，能够得到比较精的运动目标信息．但是·基于背景差的车辆检测的准确性很大程度上依赖于背景图像的可靠性．总的来说．背景差法对环境光线的变化非常敏感，背景图像需不断地被更新以迎合环境光线、阴影和天气的变化等·因而背景更新中的误差累计是影响背景差法精度的重要因素。