自動車のナンバープレート認識（ALPR）に関する商業的および学術的な手法は多数存在するが、大多数の既存手法は特定の地域のナンバープレート（例：ヨーロッパ、米国、ブラジル、台湾など）に特化しており、多くの場合、ほぼ正面からの画像を含むデータセットを用いて研究が進められている。本研究では、制約のない撮影状況を想定した包括的なALPRシステムを提案する。このような状況では、斜め視角によりナンバープレートが著しく歪んでしまう可能性がある。本研究の主な貢献は、単一の画像内に複数の歪んだナンバープレートが存在する場合でも、それらを検出・補正できる新たな畳み込みニューラルネットワーク（CNN）の導入である。得られた補正済み画像は、光学的文字認識（OCR）手法に供給され、最終的な認識結果が得られる。また、追加的な貢献として、異なる地域および撮影条件から得られた難易度の高いナンバープレート画像セットについて、手動でラベル付けされたアノテーションデータを提供する。実験結果から、特定の状況に向けたパラメータ調整や微調整を一切行わずに、従来のデータセットにおいて最先端の商業システムと同等の性能を発揮することが確認された。さらに、難易度の高いデータセットでは、学術的および商業的アプローチをすべて上回る性能を示した。