尽管优势非常明显，但基于云的车牌识别解决方案在实施过程中并非没有局限性与挑战。这些问题大部分都与技术相关，小部分是与用户的预算相关，因此在用户安装车牌识别解决方案之前应该了解这些因素。
 

　　最显著的限制是，云分析可能不适用于基于视频立即采取行动的应用场景，例如通过车牌识别后自动打开停车场的大门，如果识别后经云端分析再进行响应，那么用户体验是糟糕的，因此在对设备响应速度有要求的场景，边缘解决方案会更加的适合。
 

　　互联网连接

　　顾名思义，基于云的解决方案需要网络连接才能正常工作，因此对于没有网络连接的项目来说，它们并不可行。

　　“对于基于云的车牌识别，事件检测也是一个问题，如果带宽允许连续监视区域的视频流（在这种情况下，我们的解决方案使用基于视频分析的触发），则可以避免事件检测，但这是就可访问的基础架构以及考虑经济原因而言，还不现实。” Asura Technologies销售主管Adrian Cseko解释说。“解决该问题的另一种方法是设置适当的图像预选机制，触发器（如感应环）或包含某种触发机制的摄像机，但是由于价格差异，后一种解决方案可能会相对普通的IP摄像机方案更加昂贵。”

　　相机品质

　　为车牌识别选择摄像机的基本经验法则是，如果人眼可以识别车牌，则车牌识别解决方案也可以识别它。话虽如此，由于高速公路上的摄像头通常必须应对恶劣的条件，因此在某些情况下它们无法提供连续清晰的视觉效果。

　　“在所有天气和光照条件下，相机图像质量都是至关重要的，” Avutec销售总监Walter Verbruggen说。“专用的车牌识别摄像机系统将始终胜过其他类型的摄像机，因为它针对车牌识别图像质量进行了优化，提供了更高的速度，并且不需要任何图像或视频压缩，从而损害了图像质量。”

　　摄像头的放置对于捕获车牌也是相当重要的，太远或太近都会导致图像无效。同样，将摄像机安装得太高或太低也将成问题。值得探讨的是由于雨，雾，灰尘或其他类似因素而导致视觉效果模糊，车牌识别解决方案将难以识别。这些问题对任何车牌识别解决方案都是一个挑战，无论它们基于云还是边缘。

　　缺乏可定制性

　　Adaptive Recognition的首席营销官Gabor Jozsa表示，基于云的系统都会有网络连接自适应的问题，但对于车牌识别而言，最大的局限性可能是难以提供某些特定需求的识别服务。

　　用户的应用需要特定的OCR引擎及识别功能，需要本地解决方案提供这些服务。

　　局限性与优势

　　总而言之，基于云的车牌识别解决方案和基于边缘的车牌识别解决方案都有其优点和缺点。两者的适用性都有一定的场景要求，因此用户在做选择时一定要从实际出发。

　　（本文编译自安防知识网国际站）