车辆信息管理系统是智能交通领域中的重要研究之一,车牌作为车辆重要的身份标识,一直是较为活跃的研究对象。近年来随着车辆数目的急剧增加,基于自动车牌检测识别的车辆信息管理系统开始逐步应用在交通控制,出入管理,车辆查询等实际生活领域。本文通过分析非受限环境下的车牌识别的小目标和多干扰等难点设计实现了车牌识别系统。通过在公开的数据集上设计多个对比实验,验证了所设计的车牌识别系统的有效性。本文主要的研究工作包含如下内容:(1)研究在非受限场景中鲁棒的车牌检测算法。针对不同场景下的车牌检测中的挑战,本文提出一种基于卷积神经网络的鲁棒车牌检测方法。在经典的目标检测算法Faster R-CNN的基础上,引入了车牌的特征先验和上下文信息实现精准的车牌检测。在提取特征阶段,结合不同分辨率的卷积特征建立融合特征图,提升多尺度的车牌分类和回归的准确性。与Faster R-CNN不同的是,本文在RPN阶段引入角度和分支结构以生成适合车牌的候选区域。此外,为了深入挖掘车牌及其上下文间的联系,提出了一种上下文融合网络增强车牌的特征表示。经实验证明,与现有的方法相比,提出的算法在公开数据集AOLP和SSIG上车牌检测均展现出了优秀的性能。(2)研究在非受限场景中准确的车牌识别算法。本文提出一种基于LSTM和注意力机制的车牌识别算法。通过将车牌图像内整个字符串作为识别目标,设计卷积层进行特征提取,结合循环神经网络与CTC序列模型,实现七位蓝牌和八位新能源车牌不限长度字符序列的识别。考虑在特征映射时单一车牌字符的特征表示能力不足的问题,在循环层引入了注意力机制,将LSTM单元邻近的隐藏状态自适应加权以增强字符的表征能力。此外,为了减少CTC转录时连续相同字符的转录缺失问题,采用一种间隔符语义增强策略。相比于现有车牌识别算法,本文提出的方法避免了分割环节造成的错误累积,实现端到端的不限长度的车牌字符序列识别。(3)设计并实现了基于非受限场景下的车牌识别系统,详细描述系统结构框架及功能模块。通过分析车牌识别系统功能性、复杂性以及信息显示的需求,设计功能模块包括输入与展示模块、车牌检测与识别算法模块以及相关的处理流程控制模块。经实际测试,所设计的车牌识别面向多种场景下的车辆牌照,相比于较为主流的车牌识别系统Easy PR和Hyper LPR识别达到7%性能提升。