随着现代社会的发展,汽车成为大部分人出行和代步的工具,在海量的车辆交通数据面前如何快速准确的识别并定位车辆显得尤为重要和紧迫。近些年来,如何定位车牌以及如何准确识别的课题在机器视觉领域得到持续的研究。神经网络科学和人工智能的发展,可以利用深度学习强大的特征提取能力,将系统做到更加稳定,让其能够适用于各种复杂的场景。本文实现的车牌识别系统,主要包括两个部分,一是定位部分,一是识别部分,其主要的研究内容包括如下三个方面:1)在车牌定位部分本文提出利用主成分分析方法对数据降维之后再结合支持向量机算法对车牌定位的改进方案;本文随机选取了 100张待测试图片作为测试数据。通过实验对比,基于数字图像处理的识别方案定位正确率在94%,本文提出的新的方案定位正确率在98%。2)在字符识别部分本文提出了一种新的字符识别方法一端到端识别法;端到端识别法是基于卷积神经网络构建的一套字符识别方法:此卷积网络主要包含一个四层的卷积层,在网络的输出部分针对车牌的每一个字符训练出一个识别模型,这种方法不再依赖车牌字符的分割也不会过度依赖车牌的像素信息;同样随机选取500张包含车牌信息的图块进行实验,改进的识别法整体的识别准确度在95.6%。3)本文最后将两种车牌定位方案与三种车牌识别字符识别方案分别结合起来组成六个不同的系统,利用500张包含全景车牌图像的数据库测试上述系统;实验结果表明改进的定位方案和端到端字符识别方案相结合的车牌识别系统字符识别准确率达到94.6%。