除了日夜切换以外，特定环境条件也会有光线对比过大的可能，造成主体过暗而难以辨别的问题，例如在隧道口，或是夜间车灯照射导致车体无法看清等。摄像机若未搭载优异的硬件宽动态技术，或是强光抑制技术，则较难取得清晰的画面。另外，像是不可预测的天气变化因素如：强风、大雨、下雪或是浓雾等等，皆会影响摄像机的运作。因此如何让摄像机的硬件规格不断加强或是通过各式认证标准，以因应变化多端的场域，使
福州停车场车牌识别系统
除了日夜切换以外，特定环境条件也会有光线对比过大的可能，造成主体过暗而难以辨别的问题，例如在隧道口，或是夜间车灯照射导致车体无法看清等。摄像机若未搭载优异的硬件宽动态技术，或是强光抑制技术，则较难取得清晰的画面。另外，像是不可预测的天气变化因素如：强风、大雨、下雪或是浓雾等等，皆会影响摄像机的运作。因此如何让摄像机的硬件规格不断加强或是通过各式认证标准，以因应变化多端的场域，使其可完成全天候完整监控，各家安控厂商的硬件条件势必将继续推升。
尽管目前车牌识别技术仍面临挑战，但其应用已经展开，如在停车场及小区出入口、高速路收费站、公路
简单的多帧平均法是直接将前面若干输入图像的平均值作为当前背景.多帧平均法的缺点在于对场景改变过于敏感性，而这种改变并不总是由车辆运动引起的.选择更新法的基本思想是只将没有检测到运动的区域即真正的背景进行更新·在背景更新前，先逐像素判断相邻两幅图像的差值，如果小于一个闽值，则说明在这个像素位置没有检測到车辆-可进行背景更新操作，这种方法依赖于阚值的选取，如果闷值选择不合理，背景图像将很快变得不可用.在选择更新背景前进一步加入背景调整步骤，即首先计算当前帧和上帧图像问的平均灰度之差，若差值大干设定阁值，则认为当前帧的平均灰度发生突变，就要在背景图像上逐像素加上此差值。
车牌识别系统背景差方法的优点是：原理和算法设计简单：根据实际情况确定N值进行处理后，所得结果直接反映了运动目标的位置、大小，形状等信息，能够得到比较的运动目标信息.但是·基于背景差的车辆检测的准确性很大程度上依赖于背景图像的可靠性.总的来说.背景差法对环境光线的变化非常敏感，背景图像需不断地被更新以迎合环境光线、阴影和天气的变化等·因而背景更新中的误差累计是影响背景差法精度的重要因素。
1、图像输出不显示
出现这种情况首先应该进行下面几项检查：摄像机是否有图像数据输出;镜头驱动线是否断裂或者连接是否正确。摄像机与控制板的连接线是否连接正确。识别系统是否有图像输出，检查视频线是否接入识别器模拟视频输入接口等。
2、过车显示“无车牌”
此类故障多数是因为图像输入方面的原因。首先检查车牌识别摄像机是否正常，图像是否清晰，位置是否有移动。对于监控摄像与车牌识别摄像分开的车道，可将接入识别仪的视频头接在字符叠加器上，观察图像是否正常，并调整摄像机。
3、车辆经过地感线圈，软件无任何反应
常见故障与解决方法
该类故障原因主要是工控机未收到触发信号，车牌识别主机及收费软件均未工作。此类故障请参见线圈及抓拍检测器有问题，应及时解决。
如何识别车牌？基本步骤是什么？
1)车牌定位，定位图片中的车牌方位：车牌识别一体机首要对到的视频图片进行大规模的相关查找，找到几个符合汽车车牌特征的区域作为候选区域，然后对这些候选区域进行进一步的剖析和点评，然后挑选合适的区域作为车牌区域，并从图片中分离出来。
2)车牌区域定位完结后，将车牌区域切割成单个字符，字符在直线方向的投影需求在字符之间的空隙处或字符内部取得部分的接近度，并且这个方向要满足字符书写形式、字符、比例限制等一些车牌的条件。多合一车牌识别机选用直线投影法在杂乱环境下切割汽车图片中的字符。
3)车牌字符识别：辨认剪切的字符，构成车牌号码。车牌字符识别方法主要根据模板匹配算法和人工神经网络算法。然后与所有模板匹配，挑选匹配的结果。停车场车牌识别系统中根据人工神经网络的算法有两种：一种是先提取字符的特征，然后用取得的特征训练神经网络分配器;另一种方法是直接将图片输入网络，网络自动完结特征提取，直到辨认出结果。
（作者： 来源：）
