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。
车牌辨认系统对污损车牌的辨认效果不好
在公路和城市内的实践应用过程中，很难所触及到的车牌都是没有污损的，车牌在运用几年之后，难免会呈现污染和磨损等现象，而在路面上行驶的车辆也很难都是规范洁净的车牌，因而在实践环境中，面对破损污旧的车牌，如何进步车牌辨认系统的辨认才能也是实践需求处理的问题。
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。
车牌定位
从整个图像中准确地检测出车牌区域，是车牌识别过程的一个重要步骤，如果定位失败或定位不完整，会直接导致终识别失败。由于复杂的图像背景，且要考虑不清晰车牌的定位，所以很容易把栅栏，广告牌等噪声当成车牌，所以如何排除这些伪车牌也是车牌定位的一个难点。为了提高定位的准确率和提高识别速度，一般的车牌识别系统都会设计一个外部接口，让用户自己根据现场环境设置不同的识别区域。
字符分割
定位出车牌区域后，由于并不知道车牌中总共有几个字符、字符间的位置关系、每个字符的宽高等信息，所以，为了车牌类型匹配和字符识别正确，字符分割是的一步。字符分割的主要思路是，基于车牌的二值化结果或边缘提取结果，利用字符的结构特征、字符间的相似性、字符间间隔等信息，一方面把单个字符分别提取出来，也包括粘连和断裂字符等特殊情况的处理；另一方面把宽、高相似的字符归为一类从而去除车牌边框以及一些小的噪声。一般采用的算法有：连通域分析、投影分析，字符聚类和模板匹配等。污损车牌和光照不均造成的模糊车牌仍是字符分割算法所面对的挑战，有待更好的算法出现并解决以上问题。
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。
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。
小区出入口
车牌识别还有小区的出入口收费系统之间进行联动，主要作用就是可以识别进入到小区的车辆是否属于本在小区进行注册的小区业主的车辆，如果像是一些外来的车辆，那么就可以查相关的资料，同时还需要进行记录进入的时间，到出小区的时候进行相应的收费根据。有了车牌识别系统之后，甚至能够做到无人值守，而且来说配合支付宝或者是等第三方应用，这样就能实现自动进行收费，比较常见于各大小区以及大型的超市。
个人停车车库
可能有不少人都有了属于自己的私人车库，就会有很多的个人的车库，直接让车库门还有车牌识别系统之间进行联动，只需要将自己的车开到门前，车库的门就会自动打开，非常的方便有，比较常见的就是用车库滑升门或者是涡轮硬质快速卷帘门来配合车牌识别系统。
