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。
图像采集
根据车辆检测方式的不同，图像采集一般分为两种，一种是静态模式下的图像采集，通过车辆触发地感线圈、红外或雷达等装置，给相机一个触发信号，相机在接收到触发信号后会抓拍一张图像，该方法的优点是触发率高，性能稳定，缺点是需要切割地面铺设线圈，施工量大；另一种是视频模式下的图像采集，外部不需要任何触发信号，相机会实时地记录视频流图像，该方法的优点是施工方便，不需要切割地面铺设线圈，也不需要安装车检器等零部件，但其缺点也十分显著，由于算法的极限，该方案的触发率与识别率较之外设触发都要低一些。
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。
硬件识别：通俗的解释是通过立的硬件设备，对所抓拍图片进行一系列的字符处理;目前停车场系统行业中硬件识别也分为两种，即带有单的车牌识别仪和前端硬件识别两种，安视睿主要采用的是前端硬件识别。
前端硬件识别一体式摄像机适应市场需求，目前得到了广大客户的喜爱。安视睿前端硬件识别也叫一体式车牌识别摄像机，是将传统单的车牌识别仪嵌入至摄像机中，实现前端硬件与摄像机一体化，实现图像抓拍、视频流传输、字符识别、道闸抬杆等一系列的工作。
