因為每次識別需要抓拍多張圖片，因此軟識別的速度較慢。而且該系統(tǒng)對所抓拍的圖片要求也是極高的，必須極為清晰才能達到想要的效果。該系統(tǒng)對現(xiàn)場環(huán)境以及調試質量要求極高，在諸多環(huán)境不樂觀的場合都不適用，設備的擺放頗為重要。

       硬件識別：通俗的解釋是通過獨立的硬件設備，對所抓拍圖片進行一系列的字符處理；目前停車場系統(tǒng)行業(yè)中硬件識別也分為兩種，即帶有單獨的車牌識別儀和前端硬件識別兩種，大禾主要采用的是前端硬件識別。

近年來，私人汽車擁有量的持續(xù)提升帶動了停車場電子收費系統(tǒng)的蓬勃發(fā)展。車牌識別作為整個停車場電子收費系統(tǒng)的計量基礎，日新月異，快速革新。隨著智能車牌識別系統(tǒng)逐漸發(fā)展成熟，因其適用更為廣泛、基礎建設要求更低、成本更為低廉等優(yōu)勢一步步取代原有的卡介質收費體系。但目前全國停車場建設情況水平參差不齊，多數(shù)采用露天出入口，光影情況復雜，更兼以車輛運行形成車牌大角度等因素，使得車牌識別難度加劇，如何提端場景下的車牌識別率成為業(yè)內一直全力攻克的難點。

縱觀如今的車牌識別市場，硬件在逐步同質化，算法的優(yōu)劣成為各大廠家競爭的核心。目前，基于深度學習的車牌識別系統(tǒng)逐漸成為行業(yè)發(fā)展趨勢。那么深度學習算法具體是指什么呢，這種算法又有何優(yōu)勢呢?下面讓筆者一一為您解析。

不同光照條件對識別效果影響很大。比如天氣狀況不同，車牌在晴天和陰雨、下雪天氣視覺上是不一樣的，晴天車牌圖片一般都較為清晰，但是強烈光照會帶來局部反光過強的問題，陰雨天氣圖片昏暗模糊，下雪則有可能覆蓋車牌的某些區(qū)域;另外即使在同一天由于陽光顏色的變化也會影響成像質量。車牌本身種類較多，形狀、顏色、尺寸等都各有不同，而且，拍攝點的距離不同、拍攝角度不同都會影響到終車牌在圖片中的呈現(xiàn)姿態(tài)和外觀。