自动车牌识别（Automatic License Plate Recognition,ALPR）系统在智能交通中有着举足轻重的作用,精度和速度一直是评判系统性能最重要的两个指标。从精度和速度均衡的角度出发,YOLO（You Only Look Once）算法是目标检测领域良好的选择。然而,在之前的ALPR研究工作中,YOLO系列检测器的性能还没有得到充分验证。现有的基于YOLO的ALPR系统只是针对于车牌字符仅包含英文和数字的情况或车牌字符中只覆盖了中国少部分省份,甚至有的方法直接忽略了对中文字符的识别。此外,智能交通系统（Intelligent Transportation System,ITS）的实际监控场景中还没有已公开中国车牌数据集。在本文中,我们在真实的ITS监控场景中研究了YOLO系列检测器在中国车牌识别中的性能,提出了一种基于YOLOv4检测器的精确高效的中国车牌识别系统,该系统包括车辆检测、车牌检测和车牌识别三个阶段。同时,我们采集了一个真实ITS监控场景中的中国车牌数据集,包含了中国大陆所有31个省份的车牌图片。在这个数据集中,为了比较不同的目标检测算法在车牌识别中的表现,我们使用了各种目标检测算法来进行综合性能评估。同时我们还探索了基于Transformer的方法在车牌识别领域的应用表现。本文的主要工作如下:（1）研究了YOLO系列检测器在中国车牌识别中的性能,提出了一个基于YOLOv4的中国车牌识别系统。整个系统有着高识别率的同时处理速度也很快,适用于实时车牌识别任务。（2）创建了一个覆盖中国大陆31个省份的中国车牌数据集。该数据集中的图片全部来自于真实的交通监控场景,一共有10500张图片,每个省份至少300张,其中还包括了1200多张新能源车牌图片。此外,我们对数据集中所有图片的车牌和字符都进行了人工标注,这对于评估车牌识别算法的性能是非常有价值的。（3）为了比较不同目标检测算法在车牌识别中的性能,我们使用了多种目标检测算法进行了综合评估。由于我们的数据集是在真实的交通监控场景中采集的,因此算法的评估结果对该行业具有很大的实用参考价值。（4）对基于Transformer的方法在车牌识别领域的应用进行了初步探索,通过相关实验对比了在不同国家车牌数据集上的性能表现。