La Reconnaissance Automatique des Plaques d'Immatriculation (RAPID) devient un domaine d'étude de plus en plus populaire et est appliquée dans de nombreux secteurs tels que le transport ou la ville intelligente. Cependant, l'application de nombreuses méthodes actuelles à des problèmes pratiques reste limitée en raison des variations rencontrées dans les situations réelles, comme les changements d'éclairage, les caractères peu clairs des plaques d'immatriculation (LP) et la qualité des images. La plupart des algorithmes RAPID récents traitent une seule image, ce qui diminue leur précision lorsque la qualité de l'image est médiocre. Cet article présente des méthodes visant à améliorer la précision de la reconnaissance des plaques d'immatriculation en suivant celle-ci sur plusieurs images.Tout d'abord, l'algorithme de Rotation Adaptative des Plaques d'Immatriculation est utilisé pour aligner correctement la plaque détectée. Ensuite, nous proposons une méthode appelée Correspondance Temporelle des Caractères pour reconnaître les caractères des plaques d'immatriculation à partir de plusieurs images consécutives. La méthode proposée atteint une performance élevée sur le jeu de données UFPR-ALPR, avec une précision de \textbf{96,7%} en temps réel sur une carte graphique RTX A5000. Nous avons également déployé l'algorithme pour le système RAPID au Vietnam. Les précisions respectives pour la détection des plaques d'immatriculation et la reconnaissance des caractères sont de 0,881 et 0,979 $mAP^{test}$mAPtest@.5. Le code source est disponible à l'adresse suivante : https://github.com/chequanghuy/Character-Time-series-Matching.git