车牌识别系统是现代智能交通系统的重要组成部分之一,被广泛应用于出入控制、车流监控、电子收费等多个场合,提高了交通管理自动化程度。车辆识别系统通过分析和处理复杂背景下的车辆图像,检测、定位车牌,识别汽车牌照的字符,从而快速识别车辆身份。其中车牌精确定位步骤是车牌角度矫正和准确字符分割的重要基础。传统的车牌定位方法利用车牌几何、颜色和纹理特征,处理步骤复杂,适用场景有限,在低照度、透视变换、低质模糊等场景下的准确率有待提高。为了构建更加通用准确的车牌精确定位算法,本文受人脸关键点检测方法的启发,采用形状回归方法,将车牌的精确定位转化为求取车牌四角坐标。借助大量标注后的车牌数据,学习车牌的角点特征,建立多个阶段的回归方程,通过每一阶段的反馈调整,逐渐接近真实的车牌位置。通过在真实复杂的车牌数据集里进行实验,我们证明基于形状回归的车牌定位算法有着更快的定位速度,和更低的位置偏移,对车牌的拍摄环境、拍摄角度和距离依赖较小,具备更高的通用性。同时,基于形状回归的车牌定位算法能够提高车牌识别的准确率。