1.1目的及意义

随着我国科技和工业的快速发展，国人生活水平不断提升，汽车已经成为人们日常出行不可或缺的交通工具，越来越多的车辆进入寻常百姓家。与此同时，车辆数目的增加也给交通带来了巨大的压力，交通管理就显得尤为重要。

车牌作为汽车唯一的身份标识，一般通过车牌对车辆进行管理和监控。随着科技的发展和智能终端的普及，图像的获取变得日趋方便，利用图像获取车牌信息就显得极其便利。于是车牌识别系统也应运而生并在现实生活中得到广泛应用，如高速公路收费管理、超速违章自动拍照、停车场管理、小区进出车辆管理、车辆定位等。由此可见，正确识别车牌信息及其重要，如果车牌识别错误，会导致车辆分析、相关数据检索等方面出现一系列问题。

车牌识别通过摄像头采集车辆的图像或视频，利用数字图像处理、模式识别等技术提取和识别汽车牌照的号码信息。其关键技术在于对图像的分析处理和识别。虽然车牌识别系统已得到广泛应用，但是，目前的车牌识别技术仍存在诸多难点，各方面性能还有很大的改进空间。传统的识别方法如统计模式法，虽然算法成熟，但是涉及到整体效果时却难以表达出来。随着近年来深度学习技术的迅猛发展以及计算机数据处理能力的不断提升，深度学习技术给传统的模式识别与机器视觉领域开拓了新的研究思路。与传统车牌识别方法相比，深度学习技术拥有很强的错误兼容性，能够自己调整学习过程，可以省去大量的数学建模和数据分析工作。

1.2国内外研究现状

在上世纪80年代初，由于西方发达国家的汽车数量增加，出现了车辆难以管理的问题，政府交管部门逐渐意识到借助机器对车辆进行有效管控的重要意义，因此很多高校及企业研究部门开始着手对车牌识别技术进行研究，并在之后的几年内，逐渐有一些较为简单的数字图像处理算法被应用于车牌识别上。经过一段时间的技术积累，在上世纪80年代后期，车牌识别技术的研究才慢慢现出雏形，系统化的研究也在此阶段逐渐开始。例如，大量研究认识到车牌识别系统由特征提取、图片分析、模板构造以及字符识别等多个模块组成。这个阶段对汽车牌照自动识别技术的研究有一定进展，但依然只是利用基础的图像处理技术。20世纪90年代后，由于国外发达国家计算机技术和图像处理基础理论的进一步发展，车牌识别技术发展迅猛，但此阶段的车牌识别系统由于当时图像采集设备等硬件条件的限制，经系统获取的图片大多质量不高，因此识别条件比较苛刻。

经过多年发展，目前在国外的发达国家中，车牌识别系统已经被广泛应用于市场，而且在一般场景下，都达到了较高的识别准确率。

由于我国车牌的特殊性，国外的车牌识别系统并不适用于国内。我国的车牌底色、前景不一，而且，我国车牌是汉字、英文字母和阿拉伯数字的组合，如果还要考虑车型的原因则还要区分小轿车和货车的单排、双排车牌问题。种种原因决定了针对我国车牌的车牌识别系统研发难度远远大于国外车牌。

虽然国内针对车牌识别的研究稍晚，但由于巨大的市场需求推动，发展也相当迅速。目前已有很多成熟的车牌识别系统投入市场。但这些产品大多与高清图像采集设备作了集成，一旦图像质量降低，识别准确率将受到影响，并且对于车牌倾斜角度过大、有污损等复杂情况，识别难度将大大增加。因此随着深度学习的兴起，车牌识别技术仍有较大的提升空间。