高分辨率与辨认速度的矛盾
从模仿相机到高清相机，也会引发图像的高分辨率与辨认速度相矛盾的问题。高清的优势显而易见，但是任何事情都是两面的，在车牌识别中车牌辨认时主要表现为：高清图片由于图片掩盖面广，可能会同时在图片中呈现多个车牌的辨认。这就对车牌辨认的速度请求很高，车牌辨认系统关于高清视频流码流过大，还会因对辨认系统资源占用需求过大而剖析起来会呈现处置速渡过慢的问题，这可能招致呈现漏车现象，而难以完成对车辆抓拍率和车牌辨认率的提升。
车牌识别感光部件对外部环境的处置
环境是影响车牌辨认的主要要素，在采集车辆图像时，由于环境光线变化猛烈，白昼光较强、夜间较弱，面光与背光不同，上午和下午的光照方向也不一样，抓拍图像时受环境光线影响较大，车速过高、采集设备的动态范围等都使成像质量难以得到有效。当辨认算法以为车牌到达了成像位置时系统触发系统开端拍摄，这对触发设备的牢靠性和响应速度都有较高的请求。所以要处理环境形成辨认率低下的问题，还要靠摄像机的感光部件对外部环境的处置。
2、预处理
由于图像质量容易受光照、天气、相机位置等因素的影响，所以在识别车牌之前需要先对相机和图像做一些预处理，以得到车牌清晰的图像。一般会根据对现场环境和已经拍摄到的图像的分析得出结论，实现相机的自动曝光处理、自动白平衡处理、自动逆光处理、自动过爆处理等，并对图像进行噪声过滤、对比度增强、图像缩放等处理。去噪方法有均值滤波、中值滤波和高斯滤波等；增强对比度的方法有对比度线性拉伸、直方图均衡和同态滤波器等；图像缩放的主要方法有近邻插值法、双线性插值法和立方卷积插值等。
字符识别
对分割后的字符的灰度图像进行归一化处理，特征提取，然后经过机器学习或与字符数据库模板进行匹配，后选取匹配度的结果作为识别结果。目前比较流行的字符识别算法有：模板匹配法、人工神经网络法、支持向量机法和Adaboost分类法等。模板匹配法的优点是识别速度快、方法简单，缺点是对断裂、污损等情况的处理有一些困难；人工神经网络法学习能力强、适应性强、分类能力强但比较耗时；支持向量机法对于未见过的测试样本具有更好的识别能力且需要较少的训练样本；Adaboost分类法能侧重于比较重要的训练数据，识别速度快、实时性较高。我国车牌由汉字、英文字母和阿拉伯数字3种字符组成，且具有统一的样式，这也是识别过程的方便之处。但由于车牌很容易受外在环境的影响，出现模糊、断裂、污损字符的情况，如何提高这类字符和易混淆字符的识别率，也是字符识别的难点之一。易混淆字符包括：0与D、0与Q、2与Z、8与B、5与S、6与G、4与A等。
软件识别：显而易见词义能理解出来是通过软件对车牌号码进行的，通过在电脑上安装一个配套的车牌识别软件，对抓拍的图片进行识别处理。其工作方式是通过摄像机连续抓拍多张照片，选择其中较为清晰的一张，然后通过电脑软件进行字符处理，实现号牌识别的。
因为每次识别需要抓拍多张图片，因此软识别的速度较慢。而且该系统对所抓拍的图片要求也是*的，极为清晰才能达到想要的效果。该系统对现场环境以及调试质量要求*，在诸多环境不乐观的场合都不适用，设备的摆放颇为重要。
随着现在我国的经济不断快速进行发展，汽车的拥有数量也是在逐年进行增多的，从但是当车辆逐渐多了之后，我们对于外来车辆进行相应的排查以及分类也就变得非常的复杂了，所以，现在已经有很多的小区都开始安装有车牌识别功能的系统，用来区别小区内外的车辆来结合相应的收费系统，对那些停留长时间的车辆比较合理的进行收费。
