盡管優勢非常明顯，但基于云的車牌識別解決方案在實施過程中并非沒有局限性與挑戰。這些問題大部分都與技術相關，小部分是與用戶的預算相關，因此在用戶安裝車牌識別解決方案之前應該了解這些因素。
最顯著的限制是，云分析可能不適用于基于視頻立即采取行動的應用場景，例如通過車牌識別后自動打開停車場的大門，如果識別后經云端分析再進行響應，那么用戶體驗是糟糕的，因此在對設備響應速度有要求的場景，邊緣解決方案會更加的適合。
互聯網連接
顧名思義，基于云的解決方案需要網絡連接才能正常工作，因此對于沒有網絡連接的項目來說，它們并不可行。
“對于基于云的車牌識別，事件檢測也是一個問題，如果帶寬允許連續監視區域的視頻流（在這種情況下，我們的解決方案使用基于視頻分析的觸發），則可以避免事件檢測，但這是就可訪問的基礎架構以及考慮經濟原因而言，還不現實。” Asura Technologies銷售主管Adrian Cseko解釋說。“解決該問題的另一種方法是設置適當的圖像預選機制，觸發器（如感應環）或包含某種觸發機制的攝像機，但是由于價格差異，后一種解決方案可能會相對普通的IP攝像機方案更加昂貴。”
相機品質
為車牌識別選擇攝像機的基本經驗法則是，如果人眼可以識別車牌，則車牌識別解決方案也可以識別它。話雖如此，由于高速公路上的攝像頭通常必須應對惡劣的條件，因此在某些情況下它們無法提供連續清晰的視覺效果。
“在所有天氣和光照條件下，相機圖像質量都是至關重要的，” Avutec銷售總監Walter Verbruggen說。“專用的車牌識別攝像機系統將始終勝過其他類型的攝像機，因為它針對車牌識別圖像質量進行了優化，提供了更高的速度，并且不需要任何圖像或視頻壓縮，從而損害了圖像質量。”
攝像頭的放置對于捕獲車牌也是相當重要的，太遠或太近都會導致圖像無效。同樣，將攝像機安裝得太高或太低也將成問題。值得探討的是由于雨，霧，灰塵或其他類似因素而導致視覺效果模糊，車牌識別解決方案將難以識別。這些問題對任何車牌識別解決方案都是一個挑戰，無論它們基于云還是邊緣。
缺乏可定制性
Adaptive Recognition的首席營銷官Gabor Jozsa表示，基于云的系統都會有網絡連接自適應的問題，但對于車牌識別而言，最大的局限性可能是難以提供某些特定需求的識別服務。
用戶的應用需要特定的OCR引擎及識別功能，需要本地解決方案提供這些服務。
局限性與優勢
總而言之，基于云的車牌識別解決方案和基于邊緣的車牌識別解決方案都有其優點和缺點。兩者的適用性都有一定的場景要求，因此用戶在做選擇時一定要從實際出發。
（本文編譯自安防知識網國際站）
