随着我国经济的日益发展和现代化进程的推进,机动车投放量的迅速增长已经给车辆管理带来考验。通过高新技术来改造落后的交通管理系统及运输系统才能从根本上改善道路的管理质量和通行状况。车牌是机动车唯一可靠的标识,对车牌进行识别已经在高速公路的收费管理控制、道路车辆检查监控、停车场车辆管理收费、车辆出入门禁管理等场合得到甚为广泛的应用。高效率的车牌识别系统可以有效改善路网的通行状况和服务质量并且降低人力的使用,它已经成为现代智能交通系统的重要组成部分。车牌识别系统一般包括车牌信息的定位、车牌字符的分割和车牌字符的识别三个核心部分,论文在大量文献调研和已有研究成果的基础上对系统的整体设计进行了广泛而深入的论述,并对三个部分各自的关键技术进行了较为深入的研究,在不同场景、不同光照条件、不同车辆大小等情况下对中国车牌能够获得满意的识别效果,主要的研究内容和创新点包括以下三个部分：(1)在车牌定位阶段,采用AdaBoost算法和投影法联合定位出车牌所在区域的联合检测方法,成功提升车牌定位的准确率。单纯采用AdaBoost算法去定位车牌存在鲁棒性不强的问题,需要去寻找上百万的负样本才能达到良好的检测效果,采用几千张的负样本虽然容易训练分类器但是会出现定位车牌不全或者过宽的现象,造成定位准确率严重下降。为了克服这些困难首先在被检测图像中采用AdaBoost算法检测出车牌所在的行,然后对车牌所在行进行灰度化、边缘检测、二值化等预处理后用投影法精确定位出车牌所在的区域,这种联合检测方法在现实中不同时间拍摄的车牌复杂场景能达到95%以上的检测准确率。(2)在车牌字符分割阶段,单阈值的二值化算法无法使车牌的每个字符都达到良好的分割效果,因此提出一种多阂值二值化的字符分割方法。首先检测到的车牌字符是黑色进行反色处理,白色字符保持不变,车牌图像灰度化后从0～255遍历阈值并保留一组有效阈值,然后根据这组阈值获取一组车牌二值图的信息,利用投影法截取这些二值图中的字符,将相同或近似相同的字符区域进行合并后获取车牌完整的7个字符,此车牌分割算法的正确率在建立的数据集中可达到99%。(3)在车牌字符识别阶段,提出一种结合融合特征提取(Integration Feature Extraction, IFE)和支持向量机(Support Vector Machine, SVM)的方法对切割输出的车牌字符进行识别。首先对分割好的车牌字符进行提取有效区域、细化等预处理,针对单独的车牌字符特征无法达到好的识别效果以及汉字识别的问题,提取出车牌字符的融合特征,并采用支持向量机结合提取的字符融合特征对汉字、数字和字母单独构建两类分类网络,来分别匹配识别测试的汉字,数字和字母。融合特征提取和支持向量机相结合的算法对车牌字符平均的识别率能够达到96%,并且具有良好的鲁棒性。综上所述,论文研究的车牌识别系统具有较高的准确性,总的识别速度在300ms左右,并且能够适应复杂的环境,具有一定的实用价值。所有算法均在OpenCV的基础上采用C/C++开发完成,开发工具为Microsoft Visual Studio2010。