綜合來看，車牌識別產品的競爭將更多的強調成像、圖像預處理、算法、業務邏輯等系統各環節的相互配合。特別是物理成像以及圖像預處理的水平可能會成為下階段發展的關鍵，其原因在于當識別算法的發展達到一定的高度，短期內很難會出現非常突破性的變革，這時如何能夠通過成像、光源、降噪等環節來為核心算法掃清障礙就成為了影響產品性能的制衡點。此外，與整體安防行業的發展相應，以下幾個趨勢對車牌識別產品的影響將會非常深遠：

  1、分辨率及畫面質量

    作為一種典型的模式識別算法，車牌識別一直期望有更高的圖像分辨率。從這幾年的發展可以看到，隨著分辨率的提升單個相機所覆蓋的車道數量逐漸增加，目前主流車牌識別智能相機已經可以單獨覆蓋三個車道，但事實上車牌的大小依然是很大的制約因素，如果相機的分辨率可以提升千萬量級，車牌識別的識別指標將會更加逼近“幾乎不出錯”的極限，而且車牌識別能夠穩定工作的區域也會明顯增大，一些目前并不特別可靠的擴展應用的效果將獲得改觀。除了分辨率提升外，畫面質量也是同等重要的問題，近年來高清相機的分辨率雖然提升的速度很快，但在動態范圍的表現上卻差強人意，導致在一些場景下出現亮處細節和暗處細節無法兼顧的問題，這將是下階段相機發展的關鍵點之一。

  2、計算能力和集成度

    高清相機的發展必然導致車牌識別算法需要更大的計算資源，嵌入式平臺核心芯片的更新速度將會直接影響車牌識別產品的形態以及發展方向，可以預見，今后更多的相關業務將會被放置在車牌識別智能相機上。

  3、易用性、更強的適應能力

    目前車牌識別算法本身的難題主要集中在車牌受到各種干擾時如何保證盡可能準確地識別，例如大型車常見的車牌污損、私家車輛規避限號的車牌遮擋、光照環境形成的陰影干擾等等。此外，車牌識別產品的參數配置一直相對繁瑣，這很大程度上是為了能夠通過準確的調整相機成像、補光、算法的各個環節來確保達到好的識別效果。如何利用好高分辨率和高計算能力來降低系統的操作難度，進一步解決這些經典的技術問題，提高系統配置的自動化水平是車牌識別產品下階段需要著重投入的方向。