郝达慧，王池社，陈敏

（1.安徽理工大学，计算机科学与工程学院，淮南232001；2.金陵科技学院，网络与通信工程学院，南京211000；3.江苏省人工智能交通创新应用工程研究中心，南京211000）

0 引言

随着社会经济的飞速发展，汽车的数量也在大幅度增长。汽车在给人们带来便利的同时，也带来了很多安全隐患，如交通事故频发、车辆违规等问题。车牌定位与识别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[1]，在车辆管理方面有着较为广泛的应用，如出入控制、违章监控、违法车辆跟踪等[2]。早期的车牌识别算法大多都是基于机器学习算法进行研究，使用手工选取的特征对车牌进行定位与识别。近年来，随着大数据时代的到来和计算机算力的提升，深度学习在车牌识别方向取得了重大突破，Faster R-CNN[3]、YOLO[4]等深度学习算法的提出使得车牌的定位与识别得到了新的发展。现有的车牌识别技术主要应用于特定的环境，如收费停车场出入口、高速公路ETC通道等。在这种检测区域固定、光照良好的环境下，车牌识别技术的准确率可以达到很高，但是在复杂的场景下识别效果较差。本文针对光照不均、天气异常等场景下的车牌识别，提出了基于无分割的车牌识别算法，基于YOLOv5对车牌进行定位并设计了端到端的字符识别网络（LP⁃CRNet）对车牌字符进行识别。

1 相关工作

车牌识别算法可以分为车牌检测和字符识别两个部分，车牌检测是为了定位车牌在图片中的具体位置，字符识别用于对检测出来的车牌区域的字符进行识别，最终得出图片中的车牌号。……