近年来,智能交通系统(ITS)在智慧城市建设和城市交通管理中起到了越来越重要的作用。车牌信息是区分不同车辆的重要标识,所以车牌识别技术在智能交通系统中占有重要地位。常见的面向智能停车场和高速公路等场景研发的车牌识别技术难以向监控视频场景推广:一方面,通用目标检测算法在大角度下的车牌检测性能较差;另一方面,基于单字符分割的车牌识别算法在成像质量参差不齐和噪声多的监控视频场景性能下降显著。针对上述挑战,论文的主要工作如下:第一,改进并设计实现了基于关键点的车牌检测与定位算法。该算法使用车牌顶点检测代替车牌外接矩形检测。考虑到我国车牌的实际情况,对特征图卷积回归车牌顶点时使用3*1的卷积核替代常用的3*3的卷积核。实验证明:相比通用目标检测算法,在IOU阈值为0.95时本文提出的基于关键点的车牌检测与定位算法定位准确率提高了34.6%;并能处理视频中一定倾斜角度的车牌数据,提高了车牌识别算法的鲁棒性。第二,改进并实现了基于卷积神经网络和LSTM的车牌识别算法。该算法针对车牌识别采用卷积神经网络提取特征,并将所提取特征进行分割、拼接构造车牌特征序列。为了充分利用特征序列的关联信息,采用堆叠式双向LSTM用于识别。不仅减少了一般车牌识别算法中字符分割的步骤,而且使识别准确率提高了约4.1%。第三,本文基于上述研究中的车牌关键点检测定位算法和车牌识别算法,设计实现了一个车牌识别SDK。该车牌SDK接口简单,识别准确率高。