車牌識別是一種利用計算機視覺和圖像處理技術(shù)來自動識別信息的技術(shù)。它通常包括圖像預處理、車牌定位、字符分割以及字符識別等步驟，終目的是提取出車輛的標識——即車牌號碼和相關(guān)文字信息（如省份簡稱）。 在實際應用中，由于拍攝條件的不確定性以及復雜多變的背景環(huán)境干擾等因素的存在導致采集到的圖像質(zhì)量千差萬別；再加上漢字書寫的特殊性使得基于模板匹配的傳統(tǒng)方法難以勝任漢字的準確快速匹配問題從而直接影響了整個系統(tǒng)的性能表現(xiàn)與實時性要求 。因此如何針對具體問題設計一個既又準確的算法成為解決這一問題的關(guān)鍵所在 。目前常見的解決方案主要有兩種：一種是采用傳統(tǒng)的機器學習算法來實現(xiàn)對車牌的識別和分類 ；另一種則是借助深度學習的方法來完成更為復雜的任務處理過程 ，例如卷積神經(jīng)網(wǎng)絡(CNN)就被廣泛應用于此領域并取得了良好的效果反饋 [2]^。隨著技術(shù)的不斷進步和發(fā)展趨勢來看未來可能會有更多創(chuàng)新性的方法和手段被應用到該項工作中去以滿足日益增長的需求與挑戰(zhàn)[3]^ .