近年来我国经济发展较快,居民的汽车保有量渐渐提高。然而,由于汽车数量庞大,为我们的交通管理带来了许多困难与挑战,为此人们设计出了智能交通系统大大提高了办事管理效率。而车牌是车辆的“身份证”,包含了车主以及车辆的信息,作为车辆的身份标志,车牌识别是整个智能交通系统中的关键一环。传统的车牌识别方法一般采用数字图像处理的方法对车牌进行定位,分割再识别,易受周围条件影响,在普通环境下具有较好的识别效果,但在光照不均或者车牌比较模糊的情况下,检测能力就会大打折扣。近年来,深度学习技术开始崭露头角,为解决问题提供了新的路径。因此,本文这里采用基于深度学习的方法对车牌进行识别检测。本文首先采用OpenCV实现了传统方法对于车牌的识别,主要包括对车牌的粗定位、细定位、车牌字符分割以及车牌字符识别几个流程步骤,通过实验分析发现对于图像清晰的车牌图像具有较好的检测能力,但在图像模糊情况下仍存在较大劣势。接着本文在改进目标检测算法SSD的基础上对车牌进行检测,在整幅输入图像中定位出车牌所在的位置,根据生活中车牌大小特性,优化目标检测网络中先验框的尺寸大小,使其更加契合车牌。同时改进非极大值抑制算法,不再是简单粗暴得移除大于阈值的检测框,而降低置信度得分,提高车牌检测能力。在车牌无分割字符识别中,利用卷积神经网络提取车牌特征,根据车牌文本大小,改进了网络中最后两个池化层的窗口,更好的保留车牌文本信息,增强车牌字符识别能力,提高了车牌识别的鲁棒性。与传统方法相比,本文改进的车牌识别算法不仅检测的效果更佳,而且根据实验测试结果在复杂的条件下,本文方法的识别能力同样达到了预期效果。