随着我国铁路交通越来越发达,列车车牌识别应用需求迫切,其作为智慧交通中重要的一部分,目前也受到国家高度重视。考虑到列车车牌的复杂多样性,本文将长度未知的列车车牌识别问题归于自然场景文字检测识别问题。自然场景文字检测和识别在深度学习的推动下已发展为前沿课题,因此基于对自然场景文字检测和识别技术的分析来研究列车车牌识别问题具有重大的实际应用价值和理论价值。我国列车车牌没有进行统一规范,形式复杂多样。本文针对我国列车车牌的特点作出三个贡献。贡献1:讨论分析两个基于深度学习的列车车牌识别框架:框架1:(1)基于传统方法进行列车车牌定位;(2)列车车牌字符分割;(3)基于卷积神经网络以及支持向量机进行字符识别;框架2:(1)基于深度学习进行列车车牌定位;(2)基于循环神经网络进行列车车牌序列识别;贡献2:关于字符分割前的二值化预处理,本文提出了一种列车车牌图像二值化方法;贡献3:本文将自然场景文本相关检测识别技术应用到列车车牌检测识别上,并对比分析。整篇文章以基于深度学习的列车车牌识别技术为研究主线,首先针对列车车牌定位提出了两种方法,一种是基于边缘检测的定位方式,一种是基于深度学习的定位方式;然后设计了一种在先验信息不足的情况下,采用投影法和连通域分析法相结合的列车车牌字符分割算法;最后用三种方法对列车车牌字符进行识别,三种方法分别为:基于支持向量机的字符识别;基于卷积网络的字符识别和基于循环神经网络的字符序列识别。目前本文提出的部分算法已经应用在线,如:成局贵段,广铁怀段,广铁广段,南局鹰段等三十多个段。识别率已达到85%,在与RFID(Radio Frequency Identification)配合使用的情况下,最终结果达到92%以上。