在众多车辆中，总不会缺少“黑名单”车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、闯祸逃逸及违章车辆等，一个一个去查太麻烦了，有什么设备可以自动监测呢？车牌识别系统便能如此。只要将违规车辆的号码牌输入到后台系统中，一旦这种非法车辆出来活动，在车牌识别系统监测的路口监测到之后，后台系统便会发出警报，正确率高达99%。车牌识别系统的功能远远不止于此，真地智能车牌识别系统更是在无限的可能中继续探索，不断追求更大的发展。

该系统在我县城区的重点路口全面启用，利用视频感知技术和人脸识别功能，对行人闯红灯、过马路不走斑马线，非机动车骑乘不戴头盔、不走非机动车道、逆向行驶等交通违法行为进行自动抓拍。系统抓拍后，人脸图片会自动和公安部人口信息系统进行比对，经人工核实或智能判断无误后，人脸特写和相关信息会在路边大显示屏滚动播放。交警部门将依据抓拍系统，对闯红灯的行人和非机动车进行身份核实，并依法予以处罚，还将在广播、电视、报纸、网络以及微博、微信上集中曝光。

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。

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。

固定车、月租车实现脱机进出：固定车、月租车不受脱机的影响，正常进出，语音显示屏人性化友好提示，翼闸厂家进出记录保存至摄像机。计算机恢复工作后，自动上传，彻底颠覆目前市场上月租车只能开闸，翼闸宁波没有进出记录和友好提示的囧境，同时改变了软识别在脱机状态下，系统瘫痪的局面。无牌车可自动进出：无牌车采用车主微信扫码或远程值守人员协助系统控制道闸开闸放行。缴费方式灵活多样：支持临时车自助缴费，月租车自助延期等，微信、支付宝多种电子支付、现金缴费以及现金找零并存、自助提供定额发票等功能，避免了无现金运营风险。不用担心找零，提高车辆通行速度，同时降低停车场人工管理成本，从而提高车场车位运转能力和收入。

一个车牌识别系统是否实用，最重要的指标是识别率。国际交通技术作过专门的识别率指标论述，要求是24小时全天候全牌正确识别率85%~95%。为了测试一个车牌识别系统识别率，需要将该系统安装在一个实际应用环境中，全天候运行24小时以上，采集至少1000辆自然车流通行时的车牌照进行识别，并且需要将车辆牌照图像和识别结果存储下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果。之后便可以统计出以下识别率:1、自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数.2、可识别车牌照的百分率=人工正确读取的车牌照总数/实际通过的车辆总数3、可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数这三个指标决定了车牌识别系统的识别率，诸如可信度、误识率等都是车牌识别过程中的中间结果。