车牌识别是智能交通系统中非常重要的基础功能,应用广泛。目前标准场景下的车牌识别算法相对已经比较成熟,市场上主流的车牌识别系统在标准场景下的识别率都很不错。但是在很多应用场景下,比如停车场出入口,车辆行驶方向不一,导致车牌在图像中会出现大角度的倾斜。大角度的倾斜对车牌检测有较大影响,会造成车牌的漏检,同时也会造成字符粘连和字符挤压变形,降低车牌字符的识别正确率。针对以上问题,本文对大角度倾斜车牌的检测、矫正和字符识别算法进行了深入研究,主要研究内容包括:一、构建了基于East网络的精确车牌检测算法。首先分析了对于大角度倾斜车牌应用精确检测(检测车牌字符区域的四个顶点)的必要性;其次实现了基于4个顶点坐标输出的East网络结构,主要过程包括:一是将像素点到矩形四条边的四通道距离输出修改为到4个顶点的8通道距离输出,二是使用4个顶点所围成四边形的最小外接矩形来计算IOU(交并比)。最后将此网络模型用于车牌字符区域的精确检测。实验结果表明,与传统算法相比,本文算法在保证一般车牌检测性能的基础上,对大角度倾斜车牌的检测效果有明显的提升,精确率和召回率均达到了97%以上。二、提出了基于两步倾斜矫正的车牌字符识别算法。首先利用得到的车牌区域的四个顶点坐标对车牌进行旋转变换和透视变换,将大角度倾斜车牌图像进行矫正并横向拉伸至合适大小,克服了由于大角度倾斜导致的字符粘连和字符挤压变形等问题;然后从矫正后的车牌字符图像中提取出车牌首位汉字,使用LeNet-5网络对汉字进行识别,提高汉字的识别率;最后使用CRNN网络对后几位车牌字符进行端到端的字符识别,避免了传统字符分割过程产生的误差,并且能够识别任意长度的车牌字符。实验结果表明,相对于使用CRNN网络直接对倾斜车牌字符进行识别,两步倾斜矫正可以将识别率提高近10个百分点,而首位中文识别网络可以进一步将识别率提升15个百分点至96.4%。