自動化車牌辨識在現代交通系統上有著越來越重要的地位，可以對車輛違規的行為進行24小時的監控、對違法車輛進行追蹤，或是裝設在停車場，節省人力以及管理成本。不過目前裝設在台灣的車牌辨識系統，大多都需要針對該場所調整系統的設定，或是加裝照明設備，讓整體環境符合系統需求才有辦法進行有效的辨識，而近幾年也有許多基於機器學習的車牌辨識系統，但大多都沒有考慮到產品需要的辨識速度及產品本身有限的成本，且沒有經過一個龐大且多樣化環境的數據集檢測。因此，在本文中，我們提出了一種有效、快速且能適應各種環境的車牌辨識系統。在使用 CPU i9-9900K 和 GPU RTX 2080 的硬體狀況下我們的系統能達到 64 FPS 的辨識速度，並對多個影像同時辨識進行了系統優化，同時辨識四個影像時也能達到 47 FPS 的辨識速度。

除了車牌辨識以外，本文還包含車輛、車牌及車牌號碼顏色辨識、車型辨識等功能，並對於臺灣交通法規定義之違法行為提出辨識方法，例如 : 區間測速計算方式、違規跨線偵測、車輛未保持安全距離偵測、摩托車未戴安全帽辨識等等。我們使用了 AOLP Dataset 對我們車牌辨識系統進行評估，我們達到了平均 99.29% 的辨識率，在測試只需使用部分 Module 的狀況下 (此 Dataset 測試方式只需從 Dataset 已有標記的車牌影像進行辨識，無須對車牌位置進行偵測)，辨識速度更達到了 188 FPS。