车牌的自动检测和识别技术在智能交通中起着重要的作用,利用车牌自动识别技术,可以使城市小区、停车场等各种情景下的车辆实现智能化管理。近年来由于车牌自动检测和识别技术巨大的潜在应用引起了研究人员的广泛关注和探索。现行的车牌识别技术大多是在受控的条件下进行的比如常见的小区车牌识别就是在特定的位置和光照下获取较好的图片已达到较好的识别效果,交通道路上的车牌识别技术往往是通过强光灯获取较好的可视条件从而进行定位识别的。由于识别条件的苛刻,导致在复杂的环境下利用现行的车牌识别技术往往不能取得很好的识别效果,因而复杂环境下对车牌进行识别仍是一项艰巨的挑战。在复杂环境下对车牌识别的困难主要是对距离较远的车牌进行识别,或者是大角度车牌进行识别。早期车牌识别过程分为两个部分进行,首先将车牌检测并分割出来,其次对分割出来的图片上的字符进行逐一识别。由于车牌的检测和车牌的识别具有相当大的关联度,在车牌检测阶段获得比较精准的定位可以提升车牌的字符识别精度,反之则会降低车牌字符的识别精度。本文主要是对拍摄距离较远和发生旋转这况下的车牌进行定位和识别这两部分展开相关研究的,为了方便描述将上述两种情况定义为复杂车牌,本文的主要是对复杂条件下的车牌识别进行研究,具体研究内容如下所示:(1)本文研究了基于Faster R-CNN的车牌定位算法。本文使用Faster R-CNN算法对复杂条件下的车牌进行定位。针对拍摄距离较远的车牌不能检测的情况进行分析,为了使较小的目标特征能够在最后的特征数据上保留,本文采用不同卷积层进行特征融合的方法,调整Anchor的比例和大小增加小目标的召回。重新设计RPN层的映射函数,实现使用三个参数化的顶点坐标回归包围车牌的平行四边形,改进后的车牌定位算法不仅对于拍摄距离较远的车牌有较好的识别效果,而且对发生旋转的车牌使用平行四边形对车牌进行包围有利于对旋转的车牌使进行矫正处理。(2)本文研究了基于CRNN的车牌字符识别算法。本文对车牌字符的识别时基于CRNN算法进行的。对大角度车牌识别准确率较低的问题进行分析,通过对大角度的车牌进行矫正处理,并将车牌分割为中文字符和非中文字符,对中文部分的车牌使用改进后的LeNet-5网络进行识别,对于非中文部分使用CRNN网络进行识别。通过试验发现将车牌进行分割后识别比直接使用CRNN网络识别在准确率上有较大的提升。