车辆牌照识别是智能交通系统(ITS)的一个重要组成部分,尤其是复杂背景下的车牌识别,有着广泛的应用领域和美好的应用前景,其发展必将大大加速ITS进程。本文针对目前车牌识别算法的局限性,主要研究了复杂背景下的车牌识别技术。本文主要从以下几个方面进行研究:1)复杂背景下的车体检测和定位。本文采用瞬时块差分法来检测车体,通过对视频序列中连续两帧图像做以点为中心的3×3框架的块差分,并取差分的平方以加强运动信息,然后利用滤波、膨胀等技术准确定位车体。实验表明该算法具有很好的检测效果。2)车牌定位。先对车辆图像进行二值化并进行一系列数学形态学操作,再利用车牌先验信息进行过滤,产生车牌候选区域。然后对候选车牌区域进行彩色边缘检测,利用车牌区域固定的颜色对信息和结构信息准确定位车牌。算法在满足实时性的同时拥有极高的定位准确率。3)车牌字符分割。由于车牌区域除了汉字之外,其它的字符都是连通的,本文采用基于纹理信息和连通区域相结合的方法来提取单个字符。算法实现简单,而且可以在一定程度上消除预处理效果较差带来的影响,同时又可从根本上解决了倾斜车牌分割的问题。4)车牌字符识别。提出了基于Null Space PCA和改进的BP神经网络相结合的字符识别方法。首先对预处理过的字符图像进行Null Space PCA变换以达到降维的目的,然后把不同位的车牌字符分别放入汉字、字母、字母数字和数字四个不同的神经网络分类器,用改进的BP算法进行训练识别。实验结果表明该算法具有较高的识别率和识别速度,能够满足实时识别的要求。本文结合理论和实践,对复杂背景下的车牌识别系统的各关键技术进行了深入研究,并提出了新的思想和方法,对车牌字符识别技术的研究具有很大的意义和应用价值。