随着城市化发展,车牌自动化识别技术的需求日渐凸显。虽然在高清静止的场景中车牌识别已经较为成熟,但在更广义的场景中,车牌识别问题依然面临挑战。在本文中,我们使用近年来较为热门的深度学习技术对广义场景下中文车牌识别进行探究。在工程上,为了全面研究车牌问题,控制数据和标注的一致性,我们创建了一个车牌数据库系统。为了及时查看算法结果以及方便地进行修改标注,我们搭建了测试网站以及标注网站。在算法上,我们先调研了传统的车牌识别流程以及算法技巧。我们利用调研得到的方法以及深度学习方法来实现传统的车牌流程,即车牌检测、车牌定位、字符分割和字符识别。我们分析传统流程的缺点,发现瓶颈在于过多的流程和各个算法模块间衔接不够紧密积累起了速度以及准确率的严重损失。所以本文把车牌识别分为了车牌检测和正车牌识别两个部分,并提出了端到端的方法来克服传统流程进行正车牌识别带来的问题。为了支持深度学习端到端的正车牌识别模型的训练,本文又设计和实现了模拟车牌生成器来产生大量正车牌图片。本文搜集了大量车牌数据,并通过实验证明了在正车牌上,端到端的方法在速度以及准确率上均大幅度地优于传统流程方法。除此之外,在车牌检测上,本文比较了目前较为常用的两种物体检测方法,在车牌图像清晰化上,本文也进行了一些探索性的实验。