現在の大多数の車両ナンバープレート（LP）認識アプリケーションは著しく進展しているものの、依然として訓練データが制限されたシーン内で丁寧にアノテーションされている理想的な環境に限定されている。本論文では、制約のないリアルな交通シーンに対応可能な新たなLP認識手法を提案する。これらの課題を克服するため、敵対的スーパーレゾリューション（SR）とワンステージ型文字セグメンテーション・認識を活用する。VGGネットをベースとする深層畳み込みネットワークと組み合わせることで、シンプルでありながら合理的な学習プロセスを実現している。さらに、制約のない監視シーンから効果的に画像サンプルを収集した挑戦的なLPデータセット「GIST-LP」を導入した。AOLPおよびGIST-LPデータセットにおける実験結果から、本手法は特定のシーンへの適応なしに、既存のLP認識手法を精度面で上回るとともに、SRによる結果が元のデータよりも直感的に理解しやすい視覚的強化を実現していることが示された。