阚 希，曹海啸，夏庆锋，刘书铭，张长屿，游云飞

（1.南京信息工程大学滨江学院物联网工程学院，江苏无锡 214105；2.南京信息工程大学自动化学院，江苏 南京 210044；3.南京信息工程大学滨江学院自动化学院，江苏无锡 214105）

0 引言

车牌作为车辆识别与管理的重要标识，是智能交通系统相关领域研究热点［1］。随着我国机动车保有量高速增长及新能源汽车的日益普及，车辆有效识别与管理愈加复杂。在复杂自然场景中对车牌精确的识别可为城市交通、自动驾驶和城市管理等提供重要支撑。基于移动端的图像车牌识别成为深度学习领域的热点之一，随着Android 移动端计算性能的大幅提升，面向复杂环境基于深度学习的车牌识别模型移植成为现实［2］。

车牌识别算法经过数十年的研究发展，在学术界和工业界已形成成熟的体系［3］，算法流程一般可分为车牌区域提取、字符分割与识别3 个主要步骤，但因为不同设备采集的图像质量差异较大，车牌识别算法各有侧重。早期传统方法主要依赖于人工特征提取，然后通过模式识别的方式完成车牌字符检测，需从原始图像中把感兴趣的车牌图像区域提取出来。传统算法主要根据车牌颜色特征、边缘特征、字符纹理特性等从背景图像中提取出车牌区域，然后利用字符分割与匹配达到车牌识别的目的，该类方法在背景受环境影响小、有固定场景的地点使用广泛，诸如单位卡口、公路收费站等。近年来，随着车辆交通行业的蓬勃发展，车牌识别算法需在复杂环境背景干扰下也能准确判识，基于形态与阈值的传统方法陷入了瓶颈。……