如今，車牌識別應用非常廣泛，但是有些情況下，效果往往不盡人意。其中主要有內(nèi)因和外因：

內(nèi)因1：車牌識別攝像機像素不高。

2：車牌識別相機在出廠設置并沒有達到狀態(tài)。

外因1：是車場設備安裝的方案問題，若攝像機安裝的方位不對，這將會大大的影響識別的效果。每個現(xiàn)場都有自己的特殊性，不能確保每個現(xiàn)場都那么標準，基本都有差異化。所以找專業(yè)性的人員幫你參考。

2：夜間識別問題，主要涉及到時補光燈，因為攝像機是模擬人眼的，當光線不足的情況下，識別率會下降。

3：人為的因素，比如說，有的司機喜歡開快車，當在車牌識別識別區(qū)的時候，快速過去了，就會識別不到。等等

4：天氣因素，天有不測風云，在惡劣天氣下，特別是下大暴雨的情況下，是非常難識別的。

車牌識別系統(tǒng)給在快節(jié)奏的城市中生活的人們帶來了無數(shù)的便利。我們今天就來細數(shù)一下，車牌識別給我們帶來了什么好處。

1.解放了停車收費等待時間：在高速上，人們通過收費站的時候，往往需要停車繳費這樣花費了許多時間，給高速路上帶來擁堵。車牌識別系統(tǒng)可以通過結(jié)合ETC系統(tǒng)，實現(xiàn)無感收費，自動辨別車輛信息，節(jié)省了通過的時間。

2.幫助車主尋車定位：車牌識別系統(tǒng)可以連接整個停車場系統(tǒng)，實時監(jiān)控停車場車位，將其顯示在停車場系統(tǒng)led顯示屏上面，車主進入停車場之前有個判斷，不會盲目進入停車場，卻發(fā)現(xiàn)沒有車位可停。只要有車位，車主進入停車場就可以對號入座，準確停車。

3.監(jiān)測車輛，自動報警：che牌識別系統(tǒng)在識別過程中可以進行數(shù)據(jù)對比，和后臺大數(shù)據(jù)中車輛對比，一旦識別出來就可以自動報警，有效的協(xié)助。同時對安裝在小區(qū)，學校出入口的車牌識別，也能夠自動識別內(nèi)部車輛和外部車輛，提升小區(qū)學校安全。

車牌自動識別國內(nèi)外發(fā)展現(xiàn)狀

中國車牌的格式與國外有較大差異且車牌識別技術(shù)研究起步較晚，所以國外關(guān)于車牌識別的研究對于中國僅具有參考價值，其在中國的應用效果不能達到其在國內(nèi)的應用效果，但在其識別系統(tǒng)中所采用的各種思想和算法可以為我國所借鑒。車牌識別系統(tǒng)自進入中國以來，迅速吸引大量的學者開始從事這方面的研究，并提出了很多新穎便捷的算法。自動化研究所的劉智勇等人開發(fā)的系統(tǒng)在一個樣本容量為3170的樣本集中，車牌定位的準確率為99.41%，切割準確率為94.62%，這套系統(tǒng)后來被漢王公司的車牌識別系統(tǒng)采用，取得了較好的效果。南京大學的熊軍等提出基于字符紋理特征的定位算法，其準確率高達95%。華中科技大學的陳振學等人提出一種新的車牌圖像字符分割和識別算法，使用一維循環(huán)清零法，先對垂直投影圖進行一次掃描，有效的清除雜點與間隔符，其分割正確率達到96.8%。浙江大學的潘云鶴、張引等提出彩色邊緣算子Color Prewitt 、彩色邊緣檢測和區(qū)域生長相結(jié)合的定位算法，算法非常簡單，作用顏色空間廣，牌照區(qū)域易于與背景分離，但其存儲量和計算量比較大，不能滿足實時性的要求。而且當車牌區(qū)域的顏色與附近顏別不大時，定位失誤機率增加。國內(nèi)還有許多學者也在進行這方面的研究且取得可觀的研究成果。

在車牌識別系統(tǒng)的應用中，硬件的好壞是很重要的，識別系統(tǒng)的硬件都有防護等級，都有哪些呢？

車牌識別系統(tǒng)硬件設備的好壞決定的是設備的穩(wěn)定和可靠性，關(guān)鍵的還有就是專業(yè)的設計和施工調(diào)試人員，按照技術(shù)標準去實施和調(diào)試才能發(fā)揮設備的性能優(yōu)勢，就像一部好的跑車沒有一個好的駕駛員是無法發(fā)揮其性能的。

智能車牌識別系統(tǒng)，主要的硬件設備，例如車牌識別攝像機的防護等級須是IP64、IP65; 停車場設備是室外設備，防護等級一定要達到IP64,IP65,選擇智能車牌識別攝像機時一定要弄清楚防護等級。

防護等級多以IP后跟隨兩個數(shù)字來表述，數(shù)字用來明確防護的等級。一位數(shù)字表明設備抗微塵的范圍，或者是人們在密封環(huán)境中免受危害的程度。代表防止固體異物進入的等級，級別是6;二位數(shù)字表明設備防水的程度。代表防止進水的等級，級別是8.IP64指防止外物及灰塵，防止各個方向飛濺而來的水侵入設備而造成損壞;IP65指完全防止外物及灰塵侵入，防止來自各個方向由噴嘴射出的水侵入設備而造成損壞。