车辆信息的检测识别是智能交通系统中重要的一环,这时车牌识别系统的重要性就不言而喻了。车牌号码识别是计算机视觉领域的一个重要研究方向，同时也是数字安防领域至关重要的一环。车牌号码识别的实现包括级联的两个部分：首先是车牌的定位，车牌的定位的精确度对于后续的车牌字符识别有着直接联系，是整个车牌识别系统最关键的部分之一；然后是车牌字符的识别，对定位后的车牌区域图像中的内容进行字符识别。针对传统的基于分割的车牌字符识别技术在一些复杂场景的识别效果欠佳的问题，本课题采用的是基于深度学习的SSD车牌检测和CTC免分割车牌字符识别方式来实现，具体来说，是在北京智云视图科技提供的开源的、基于深度学习高性能中文车牌识别框架HyperLPR的基础上实现。经过训练和测试，结果表明车牌识别系统的准确率达到90%，高于传统方法。

车辆信息的检测识别在智能交通系统中扮演着重要的角色，车牌识别系统的重要性不言而喻。车牌号码识别是计算机视觉领域和数字安防领域的一个重要研究方向。车牌号码识别的实现包括两个级联的部分：车牌的定位和车牌字符的识别。车牌定位的精确度对于后续的车牌字符识别有着直接联系，是整个车牌识别系统最关键的部分之一。传统的基于分割的车牌字符识别技术在一些复杂场景的识别效果欠佳，因此，本研究采用了基于深度学习的车牌识别方法，具体来说，基于深度学习的SSD车牌检测和CTC免分割车牌字符识别方式。这种方法是在北京智云视图科技提供的开源的、基于深度学习高性能中文车牌识别框架HyperLPR的基础上实现的。经过训练和测试，结果表明车牌识别系统的准确率达到90%以上，相比于传统方法有了显著的提高。