车牌识别技术是构建智慧城市和智能交通的重要环节。目前已有的车牌识别系统在安装摄像头时,对安装高度和安装角度有着严格的要求,需要摄像头严格对准车辆正前方,从而保证采集到车牌图片是正角度的。但在智能交通中,经常需要在非限定环境下进行车牌采集,这会导致采集到大量严重倾斜、光照不均与以及污损的车牌。目前的车牌识别系统在对大角度车牌进行车牌识别时容易发生车牌的漏检,同时还会发生车牌定位不准确,进而使得检测到的车牌区域中字符存在缺失,最终导致车牌字符识别的准确率下降。本文针对以上问题进行了深入研究。(1)大角度车牌检测与矫正算法研究。由于在非限定环境下采集的车牌图片往往是大角度车牌,因此正确识别大角度车牌的关键是在对大角度车牌识别前先进行车牌矫正。本文通过设计一种变形平面物体检测网络来直接回归大角度车牌的左上角点、右上角点、左下角点和右下角点的坐标信息。最后对检测到的大角度车牌区域做单应性变换,将大角度车牌矫正为正角度车牌。(2)车牌字符识别算法研究。优秀的车牌字符识别算法在终端设备上的成功部署是车牌识别算法成功落地的前提。本文提出了一种由许多相同模块堆叠而成的改进版YOLO算法,并用该算法来对车牌图片中的字符进行检测,进而实现车牌字符识别的功能。本文提出的改进版YOLO算法模型结构简单、参数量少、预测速度快、准确率高,非常利于在终端设备上的部署。(3)车牌识别优化方法研究。由于在非限定环境下采集的车牌图片容易受到光照、雾霾和环境变化的影响而变得模糊,而模糊车牌容易造成车牌字符识别错误。本文通过采集同一辆车的连续多帧车牌图片并分别进行车牌识别,然后利用连续多帧车牌的识别结果中各位字符的统计信息来优化车牌识别。最后对本文提出的各部分方法进行整合,得到整体车牌识别方案,并对整体车牌识别方案进行了分析测试,测试结果表明整体车牌识别方案能够准确快速的识别非限定环境下的大角度车牌图片,具有很好的应用前景。