자동 차량 번호판 인식(Automatic License Plate Recognition, ALPR)은 교통 및 스마트 시티 등 다양한 분야에서 적용되며 점차 주목받는 연구 영역이 되고 있습니다. 그러나, 현재의 많은 방법들이 실제 상황에서의 변화(예: 조명 변화, 번호판 문자의 불분명함, 이미지 품질)로 인해 실용적인 문제에 적용될 때 여전히 여러 제한점이 존재합니다. 최근 대부분의 ALPR 알고리즘은 단일 프레임을 처리하여 이미지 품질이 더 나쁘면 정확도가 떨어지는 경향이 있습니다. 본 논문에서는 여러 프레임에서 번호판을 추적하여 번호판 인식 정확도를 개선하는 방법들을 제시합니다. 첫째, 적응형 번호판 회전(Adaptive License Plate Rotation) 알고리즘이 적용되어 감지된 번호판을 올바르게 정렬합니다. 둘째, 연속 프레임에서 번호판 문자를 인식하기 위한 '문자 시계열 매칭(Character Time-series Matching)'이라는 방법을 제안합니다. 제안된 방법은 UFPR-ALPR 데이터셋에서 실시간으로 96.7%의 정확도를 달성하였으며, RTX A5000 GPU 카드에서 검증되었습니다. 또한, 이 알고리즘은 베트남 ALPR 시스템에도 구현되었으며, 번호판 감지와 문자 인식의 정확도는 각각 0.881과 0.979 (mAP^{test}@0.5)를 기록하였습니다. 소스 코드는 https://github.com/chequanghuy/Character-Time-series-Matching.git 에서 확인할 수 있습니다.