实际应用中，车牌识别系统的识别率还与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等;实际拍摄过程也会受到环境亮度、拍摄方式、车辆速度等等因素的影响。这些影响因素不同程度上降低了车牌识别的识别率，也正是车牌识别系统的困难和挑战所在。为了提高识别率。除了不断地完善识别算法还应该想办法克服各种光照条件，使采集到的图像最利于识别。

通过查询目标人像数据寻找数据库中是否存在重点人口基本信息。例如在机场或车站安装系统以抓捕在逃案犯。受安全保护的地区可以通过人脸识别辨识试图进入者的身份。人脸识别系统可用于企业、住宅安全和管门禁人脸识别理。如人脸识别门禁考勤系统，人脸识别防盗门等。可在机场、体育场、超级市场等公共场所对人群进行监视，例如在机场安装监视系统以防止恐怖分子登机。如银行的自动提款机，用户卡片和密码被盗，就会被他人冒取现金。同时应用人脸识别就会避免这种情况的发生。利用人脸识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡等。

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

车牌自动识别系统 收费管理系统一进一出管理系统方案：一、车牌识别系统车牌识别模块属于纯软件识别方式，可根据客户需求抓拍车辆全景图片及特写图片，银川翼闸完成车辆特征的判断，结合触发机制，系统提供车辆行驶方向、经过时间、地点、车辆类型、翼闸批发车牌号码等基本信息。车牌识别模块技术参数：①、收费站车别识别系统可大大提高识别准确率：白天车辆号牌识别准确率大于97.7%；夜间车牌识别准确率92%以上。②、车辆捕获率采用地感触发方式，监控区域内对5km/h～160km/h行驶的车辆图像捕获率达99.9%以上（建议采用这种触发方式）。采用视频触发方式，监控区域内对5km/h～160km/h行驶的车辆图像捕获率达90%左右。

车牌识别云台摄像机通过光抑制屏蔽，电子快门调节，宽动态功能等来实现抓拍车牌：强光屏蔽：在低照度彩色摄像机的基础上，通过软件的功能，把图像中最亮的部分遮挡。在交通监控中，一般可将大灯的强光遮挡，从而将车牌较清晰的抓拍下来。但是这款摄像机最大的缺点就是软件分辨不清，对于图像最亮部分界定不清，有可能将车牌号码也遮挡。同时无法处理高速运动物体的抓拍。目前国产摄像机在强光屏蔽方面做的比较多，效果各方反映不一。