全文总字数：6771字

摘要：车辆的保有量逐年上升，而车牌作为车辆的唯一ID，决定了其在智能交通的重要性，在此，我们在把握好已有的技术基础上，以提高车牌识别效率和实用性为目的，结合深度学习构建一个基于卷积神经网络的车牌识别系统，并用python语言构建模型，对模型参数进行调整.文献综述

关键词： 识别效率；深度学习；卷积神经网络；python；

一、前言

目前，智能交通系统（ITS）已经在世界上经济发达国家的一些城市及高速公路系统中得到了广泛应用。相应的，我国也加快了对智能交通技术研究的步伐，智能交通技术的研究现已进入了快速发展期。而车牌识别系统作为数字摄像、计算机信息管理、图像分割和图像识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路超速管理系统、小区智能化管理等方面，为智能交通管理提供了高效、实用的手段。

目前，市场上已出现了一些可应用的汽车牌照自动识别系统。如 CPRS-1 型汽车牌照识别系统是在国家“863”计划课题与国防图像目标识别课题相结合的研究基础上研制成功的，实现了识别汽车牌照中的数字、字母和汉字以及汽车牌照的底色（白、黑、蓝、黄四种）的功能，可以全天候工作。另一种型号 GW－PR－9902T的牌照识别器系统产品，采用新型的数字图像处理和识别技术，基于嵌入式工控机／DSP 和专用硬件电路，利用定向反射和自然光相结合的识别原理，实时地完成复杂情况下的汽车牌照的定位、分割以及识别。此类产品都已应用于高速公路的收费监控系统。总体上说，虽然汽车牌照识别系统在国内还未形成一个成熟的产业，但是随着我国国民经济的迅速发展，机动车辆规模及流量大幅度增加，高速公路和城市交通管理现代化水平的提高势在必行，迫切需要高科技的智能交通系统来充实和加强交通管理水平。车牌识别技术在智能交通系统中占有重要位置，车牌识别技术的推广普及，必将对加强高速公路、城市道路管理，减少交通事故、车辆被盗案件的发生，保障社会稳定等方面产生重大而深远的影响。

二、正文

1研究背景

随着人们生活水平的提高，机动车辆的保有量急剧增加，为了有效的缓解交通压力，减轻环境污染，急需开发一种全方位、全天侯的实时、精确的智能交通系统。而车牌识别技术是智能交通系统中的核心关键技术，车牌识别算法则是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一。