济源车牌识别案例-济源小区车牌识别系统-济源车牌识别维修
综合来看，车牌识别产品的竞争将更多的强调成像、图像预处理、算法、业务逻辑等系统各环节的相互配合。特别是物理成像以及图像预处理的水平可能会成为下阶段发展的关键，其原因在于当识别算法的发展达到一定的高度，短期内很难会出现非常突破性的变革，这时如何能够通过成像、光源、降噪等环节来为核心算法扫清障碍就成为了影响产品终性能的制衡点。此外，与安防行业整体的发展相应地，以下几个趋势对车牌识别产品的影响也会非常深远：
更高的分辨率及画面质量
作为一种典型的模式识别算法，车牌识别一直期望有更高的图像分辨率。从这几年的发展可以看到，随着分辨率的提升，单个相机所覆盖的车道数量逐渐增加，目前主流车牌识别智能相机已经可以单独覆盖3个车道，但事实上车牌的大小依然是很大的制约因素，如果相机的分辨率可以提升到千万量级，车牌识别的识别指标将会更加逼近“几乎不出错”的极限，而且车牌识别能够稳定工作的区域也会明显增大，一些目前并不特别可靠的扩展应用的效果将得到改观。除了分辨率提升外，画面质量也是同等重要的问题，近年高清相机的分辨率虽然提升的速度很快，但在动态范围的表现上却差强人意，导致在一些场景下出现亮处细节和暗处细节无法兼顾的问题，这将是下阶段相机发展的关键点之一。
济源车牌识别案例-济源小区车牌识别系统-济源车牌识别维修
更高的计算能力和集成度
高清相机的发展必然导致车牌识别算法需要更大的计算资源，嵌入式平台核心芯片的更新速度将会直接影响车牌识别产品的形态以及发展方向，可以预期，更多的相关业务将会更集中的被放置在车牌识别智能相机上。
更高的易用性、更强的适应能力
目前车牌识别算法本身的难题主要集中在车牌受到各种干扰时如何保证尽可能准确地识别，例如大型车常见的车牌污损、私家车辆规避限号的车牌遮挡、光照环境形成的阴影干扰等等。此外，车牌识别产品的参数配置一直相对繁琐，这很大程度上是为了能够通过精确的调整相机成像、补光、算法的各个环节，来确保达到好的识别效果。如何利用好高分辨率和高计算能力来降低系统的操作难度，进一步解决这些经典的技术问题，提高系统配置的自动化水平是车牌识别产品下阶段需要着重投入的方向。
