在刑事侦查等特殊应用背景下,往往会遇到一些质量较低,模糊程度较高的图像或监控视频。而这些视频中的信息,尤其是其中的车牌信息,又极为关键。通常的车牌识别系统往往只能在规定的场合下得到应用,比如停车场、收费站和各种交通卡口等。在一些特殊场合下,实际视频监控中的车牌质量极低,很多时候人眼都无法识别其车牌字符,这就需要一些方法来帮助识别这些车牌。在目前的技术下,图像复原技术还仅限于仿真数据,对实际数据作用不大。并且监控视频中的降质因素很多,单纯的图像复原方法既无法估计参数,也无法有效复原。本文指出了现阶段这类车牌字符的识别面临的困难,分析了车牌字符识别的流程和研究现状,讨论了现有方法在此类场景下遇到的困难,并针对这些困难提出了相应的解决方案,最后按照解决方案完成了实验并分析了实验结果。提出了通过基于卷积神经网络的图像分类来完成字符识别的解决思路。通过分析实际监控中车牌的降质过程,建立降质模型并生成模拟降质数据集。通过模拟数据集对卷积神经网络进行训练,训练出来的网络在实际测试集中的取得可用的实验结果。本方法有着较好的分类能力,能够辅助识别一些低质量的人眼无法确切辨认的车牌字符。