摘要：本文首先介绍了实时检测的目标识别网络（YOLOv5Net），通过提取目标的特征来进行实时的目标检测，介绍了车牌的识别网络（LPRNet）对车牌进行实时识别，通过对目标的二值化腐蚀膨胀等处理以及加入了数字和文字的匹配机制可以将车牌的具体字符识别出来，再通过更改适应力anchors的大小以及引入benchmark机制使得YOLOv5可以更加稳定且准确的识别小目标物体，实验结果表明，模型对于照片数据集和车辆视频都有稳定且准确的识别结果，测试样本场景与视觉任务相关度越高，且样本中的物体形变度越小，得到的车牌识别模型的效果越好，能够为交通管理等作业提供高效且可靠的车辆信息。