2019年7月,公安部交通管理局发布数据,上半年全国机动车保有量达3.4亿辆,其中私家车的数量为1.98亿辆。在其数量日益增长的情况下,如何随时随地的快速完成车辆采集与管理成为交通管理部门的首要任务。因此本文设计了一套面向移动终端的车辆信息采集与管理系统,该系统分为云服务器子系统与智能终端子系统两部分。云服务器子系统主要负责车辆信息管理任务,其中包括:车辆信息添加、单一车辆信息查询、多车辆信息查询和车辆信息删除等。移动终端子系统负责车辆相关信息采集工作,其中采集的车辆信息包括:车牌号码、车辆地理位置、车辆信息被采集时间和车辆信息采集人员ID。其中基于移动终端的车牌号码采集是本文的研究重点,车牌号码采集的获取流程为:车牌检测、车牌矫正、车牌字符分割和车牌字符识别。在面向移动终端的车辆信息采集与管理系统中,本文主要完成的工作如下:在车牌检测任务中,本文采用基于轻量化卷积神经网络的SSD-Mobilenet-v1目标检测算法,并且采用联级检测的思想,通过采用首先检测车辆,随后检测车牌的级联思想有效的降低车牌的漏检率。因为车牌目标是全图占比较小的目标,并且SSD-Mobilenet-v1对小目标的检测效果不佳,于是采用扩大生成anchor的特征图尺寸,来增加车牌在特征图比例,提高车牌的检测精度。通过算法训练阶段引入Mixup数据增强的方法,来提高算法的检测精度,算法在COCO开源数据集上mAP提升0.3。在车牌的字符识别阶段,本文设计了基于Lexnet-5设计的轻量化图分类网络模型LPR-net,网络特征提取的最小单元为反向残差结构,同时通过全局池化与点卷积相结合的方法取代大参数量的全连接层。为了提高模型的泛化能力,在网络模型中引入Dropblock正则化来辅助模型收敛。LPR-net在车牌字符数据集中分类精度达到99.5%,满足实际场景中的应用需求。通过对车辆信息采集与管理的需求分析,完成系统的设计与实现。在移动终端子系统中,车牌信息采集的最大时间为1342毫秒,最短时间为520毫秒。云服务器子系统中实现了删除与查询等管理功能。通过实验分析,本文提出的系统有效地提高了车辆信息采集和管理的效率,减轻了车辆管理部门的工作强度。