Cet article propose un nouveau cadre multi-images, MF-LPR$^2$, pour la restauration et la reconnaissance des zones de plaques d'immatriculation dans les vidéos de caméras embarquées, où la reconnaissance précise des plaques est difficile en raison de la faible résolution, du flou de mouvement et des reflets. Pour résoudre le problème des artefacts et distorsions importants générés par les modèles pré-entraînés existants lors de la restauration d'images de mauvaise qualité, MF-LPR$^2$ résout l'ambiguïté des images de mauvaise qualité en alignant et en agrégeant les images voisines au lieu de s'appuyer sur des connaissances pré-entraînées. Nous utilisons un estimateur de flux optique de pointe pour un alignement précis des images et concevons un algorithme qui exploite la cohérence spatio-temporelle des séquences d'images de plaques d'immatriculation pour détecter et corriger les estimations de flux optique incorrectes. Les résultats expérimentaux montrent que MF-LPR$^2$ surpasse significativement huit modèles de restauration de pointe en termes de PSNR, SSIM et LPIPS, et atteint une précision de reconnaissance de 86,44 %, surpassant à la fois le meilleur LPR mono-image (14,04 %) et le meilleur LPR multi-images (82,55 %) parmi 11 modèles de base. Nous avons évalué MF-LPR$^2$ en construisant un nouvel ensemble de données LPR réaliste (RLPR).
