全文总字数：5645字
1. 研究目的与意义、国内外研究现状（文献综述）
（1）课题意义
随着社会的发展，交通发展越来越便利，私家车数目越来越多，因此公共场合或者社区停车场也随之增加。由于车辆数量多、情况复杂、人力物力有限，人工管理车辆信息十分困难，车牌识别系统已成为一项非常有意义的工作，借助于计算机技术可以高效快速完成车辆管理工作[1]。传统停车场使用人工收费或者刷卡付费存在时间的消耗和影响，容易造成停车场进出口堵塞。并且在雨雪天实施工作困难，存在路滑情况，容易发生溜车现象或者刹车不灵敏现象，不必要停留会影响其他车辆或自身安全，有一定安全隐患。同时，大型停车场由于车辆众多，工作人员需引导停车，还要人工方式管理车辆的话需要大量人员，造成人力资源浪费。因此车牌自动识别技术管理车辆十分有必要，该系统可解决停车效率低，人工收费错乱等问题，方便实现快速管理。
车牌管理是我国交通管理部门任务的重要部分，并结合多因素作出了切实的规定。汽车牌照的生产、安装和维护需要各部门的统一管理。车牌具有唯一性和真实性的特点和优点，且大小、颜色、格式有统一规范，因此，这也使得车牌自动识别系统用于实现停车管理成为可能。
2. 研究的基本内容和问题
（1）研究目标
实现基于深度学习的车牌识别和车辆管理系统，该系统面向停车场管理人员，通过基于tensorflow框架的深度学习，实现车辆牌照的自动识别和车辆的收费管理。在停车场入口出口位置安装摄像头，感应拍照，照片大小一致，后台进行车牌自动识别，记录入停车场时间以及出停车场时间，根据停车场收费规则，实现自动收费。管理员可通过应用软件，查看当月各辆汽车停留时间和次数，进行停车场收支统计。
（2）研究内容
3. 研究的方法与方案
（1）研究方法
综合利用python，tensorflow框架，卷积神经网络，opencv，tensorflow lite等多种开发工具和技术，完成基于深度学习的车牌识别和车辆管理系统。该系统使用android app的方式呈现，面向停车场管理员。
使用opencv和python对图片进行预处理，实现图片灰度化，车牌定位，车牌分割，使用tensorflow框架构建卷积神经网络进行车牌字符训练与识别，使用tensorflow lite实现将训练后模型迁移至app，在app内进行剩余功能实现和完善部分。
4. 研究创新点
（1）使用tensorflow框架完成卷积神经网络的构建
（2）将训练结果迁移至app
（3）将基于深度学习tensorflow框架车牌识别技术与实际应用结合
5. 研究计划与进展
研究计划及预期进展
2019年01月：a.搜集相关文献资料
b. 认真学习好相关理论知识与技术
