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。
车牌校正
由于受拍摄角度、镜头等因素的影响，图像中的车牌存在水平倾斜、垂直倾斜或梯形畸变等变形，这给后续的识别处理带来了困难。如果在定位到车牌后*行车牌校正处理，这样做有利于去除车牌边框等噪声，更有利于字符识别。目前常用校正方法有：Hough变换法，通过检测车牌上下、左右边框直线来计算倾斜角度；旋转投影法，通过按不同角度将图像在水平轴上进行垂直投影，其投影值为0的点数之和时的角度即为垂直倾斜角度，水平角度的计算方法与其相似；主成分分析法，根据车牌背景与字符交界处的颜色具有固定搭配这一特征、求出颜色对特征点的主成分方向即为车牌的水平倾斜角度；方差小法，根据字符在垂直方向投影点的坐标方差小导出垂直倾斜角的闭合表达式，从而确定垂直倾斜角度；透视变换，利用检测到的车牌的四个顶点经过相关矩阵变换后实现车牌的畸变校正。
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。
