本发明公开了一种基于深度学习的车牌定位和识别方法。采用改进的YOLO(You Only look Once)算法与图像的超分辨率技术进行了优化，分别训练一个改进的YOLO卷积神经网络和一个卷积增强的SRCNN(Super Resolution)卷积神经网络。首先采用改进的深度学习YOLO算法进行车牌区域的定位，再利用校正探测器进行检测边框的校正，解决了现有车牌定位方法在某些特定场景下无法正确定位的问题，然后利用增强的卷积神经网络SRCNN模型对车牌区域的图像进行超分辨率技术的处理，使之得到分辨率和辨析率更高的照片，接着利用神经网络进行光学字符识别。本发明在YOLO卷积神经网络的训练时，采用maxout激活函数替代原模型的激活函数，增强了拟合能力，同时通过调整阀值来改进非极大值抑制，能够有效地加快边界框的筛选速度。在训练SRCNN卷积神经网络时，增加卷积核的大小和卷积层的数量，能够有效地提升图像处理的效果，因此本方法兼顾了实时性与准确率的要求。
