影响系统识别率。随着产品算法与业者的技术提升，整合早就不是重要的话题，现阶段***需要注意的重点反而是“稳定度”。因此，将视频车辆检测与牌照自动识别相结合具备一定的技术难度。为了进行车牌识别，需要以下几个基本的步骤：1、 牌照定位，定位图片中的牌照位置；2、牌照字符分割，把牌照中的字符分割出来；3、牌照字符识别，把分割好的字符进行识别，终组成牌照号码。车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。

人工神经网络技术。与传统摄像机相比，一体化摄像机体积小巧、美观，安装、使用方便，监控范围广、***等优点。近几年来，计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题，例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。

牌上的相似字符，由于外形比较接近，受图像分辨率，光线，车牌污损等影响，一般的分类算法，很容易出现误识别。(2)对于部分无车牌或车牌严重破损的车辆，需要另外的管理机制。车牌识别系统基于此算法基础上提出了易混淆字符专门处理，相似字符例如“2”和“Z”、“0”和“D”等，都能进行有效识别。使得识别效果在任何ji端复杂情形下依然保持高识别率。车牌识别算法提升 行业发展空间可期。

关键还是识别率，所以应用纯车牌识别系统的核xin是要一套高识别率的车牌识别产品，国内识别率能达到90%以上的识别率的就很少，而纯车牌识别系统一般要求98%以上的识别率，国内当前能达到这个标准的只有火眼臻睛车牌识别等少数几家；再的技术也达不到100%的识别率，比如无牌车或者肉眼都不能识别的车牌，所以需要一套好的“非车牌识别处理机制”。机动车辆驾驶纪录数据库记录有VIN的相关信息，比如车辆的检查时间、所有权变更时间以及是否涉及严重的撞车、翻车或水淹等事故。