高分辨率與辨認速度的矛盾
?
　　從模仿相機到高清相機，也會引發(fā)圖像的高分辨率與辨認速度相矛盾的問題。高清的優(yōu)勢顯而易見，但是任何事情都是兩面的，在車牌識別中車牌辨認時主要表現(xiàn)為：高清圖片由于圖片掩蓋面廣，可能會同時在圖片中呈現(xiàn)多個車牌的辨認。這就對車牌辨認的速度請求很高，車牌辨認系統(tǒng)關于高清視頻流碼流過大，還會因?qū)Ρ嬲J系統(tǒng)資源占用需求過大而剖析起來會呈現(xiàn)處置速渡過慢的問題，這可能招致呈現(xiàn)漏車現(xiàn)象，而難以完成對車輛抓拍率和車牌辨認率的提升。

車牌識別感光部件對外部環(huán)境的處置
?
　　環(huán)境是影響車牌辨認的主要要素，在采集車輛圖像時，由于環(huán)境光線變化猛烈，白晝光較強、夜間較弱，面光與背光不同，上午和下午的光照方向也不一樣，抓拍圖像時受環(huán)境光線影響較大，車速過高、采集設備的動態(tài)范圍等都使成像質(zhì)量難以得到有效。當辨認算法以為車牌到達了成像位置時系統(tǒng)觸發(fā)系統(tǒng)開端拍攝，這對觸發(fā)設備的牢靠性和響應速度都有較高的請求。所以要處理環(huán)境形成辨認率低下的問題，還要靠攝像機的感光部件對外部環(huán)境的處置。

2、預處理
?
　　由于圖像質(zhì)量容易受光照、天氣、相機位置等因素的影響，所以在識別車牌之前需要先對相機和圖像做一些預處理，以得到車牌清晰的圖像。一般會根據(jù)對現(xiàn)場環(huán)境和已經(jīng)拍攝到的圖像的分析得出結(jié)論，實現(xiàn)相機的自動曝光處理、自動白平衡處理、自動逆光處理、自動過爆處理等，并對圖像進行噪聲過濾、對比度增強、圖像縮放等處理。去噪方法有均值濾波、中值濾波和高斯濾波等；增強對比度的方法有對比度線性拉伸、直方圖均衡和同態(tài)濾波器等；圖像縮放的主要方法有近鄰插值法、雙線性插值法和立方卷積插值等。

字符分割
?
　　定位出車牌區(qū)域后，由于并不知道車牌中總共有幾個字符、字符間的位置關系、每個字符的寬高等信息，所以，為了車牌類型匹配和字符識別正確，字符分割是的一步。字符分割的主要思路是，基于車牌的二值化結(jié)果或邊緣提取結(jié)果，利用字符的結(jié)構特征、字符間的相似性、字符間間隔等信息，一方面把單個字符分別提取出來，也包括粘連和斷裂字符等特殊情況的處理；另一方面把寬、高相似的字符歸為一類從而去除車牌邊框以及一些小的噪聲。一般采用的算法有：連通域分析、投影分析，字符聚類和模板匹配等。污損車牌和光照不均造成的模糊車牌仍是字符分割算法所面對的挑戰(zhàn)，有待更好的算法出現(xiàn)并解決以上問題。

字符識別
?
　　對分割后的字符的灰度圖像進行歸一化處理，特征提取，然后經(jīng)過機器學習或與字符數(shù)據(jù)庫模板進行匹配，后選取匹配度的結(jié)果作為識別結(jié)果。目前比較流行的字符識別算法有：模板匹配法、人工神經(jīng)網(wǎng)絡法、支持向量機法和Adaboost分類法等。模板匹配法的優(yōu)點是識別速度快、方法簡單，缺點是對斷裂、污損等情況的處理有一些困難；人工神經(jīng)網(wǎng)絡法學習能力強、適應性強、分類能力強但比較耗時；支持向量機法對于未見過的測試樣本具有更好的識別能力且需要較少的訓練樣本；Adaboost分類法能側(cè)重于比較重要的訓練數(shù)據(jù)，識別速度快、實時性較高。我國車牌由漢字、英文字母和阿拉伯數(shù)字3種字符組成，且具有統(tǒng)一的樣式，這也是識別過程的方便之處。但由于車牌很容易受外在環(huán)境的影響，出現(xiàn)模糊、斷裂、污損字符的情況，如何提高這類字符和易混淆字符的識別率，也是字符識別的難點之一。易混淆字符包括：0與D、0與Q、2與Z、8與B、5與S、6與G、4與A等。

隨著行業(yè)的發(fā)展，市場各式各樣的需求，市場對車牌識別系統(tǒng)(車牌識別系統(tǒng))的需求越來越廣泛，主要分為：軟件識別和硬件識別。通過車牌號碼的自動識別、自動登陸、自動對比，系統(tǒng)可以實現(xiàn)自動開閘、自動計費、自動驗證用戶車輛身份、自動區(qū)分內(nèi)外部車輛、自動計算車位數(shù)、自動報警等諸多智能化功能。