智能交通系统是计算机视觉的重要应用领域。车牌是交通场景图像中常见到的目标类,车牌的检测与识别技术是许多智能视频分析应用系统的基础。在车牌检测与识别的应用工程中,由于受到工程条件的限制,获取的图像中车牌经常置于复杂干扰背景下,并具有不同的位置、大小、方位,甚至扭曲变形或成像模糊,传统的算法难以适应。本文根据应用工程的需要,研究复杂背景下的车牌检测、分割与识别技术,并构造实现了多摄像机协同交通违法非现场执法系统。本研究主要内容包括：　　 ⑴复杂背景下快速车牌定位算法。候选车牌区域的检测定位,在复杂垂直干扰下,容易出现定位不准确和漏检。本文分析比较了近年来提出的性能优良的车牌定位算法,提出一种综合利用显著特征的分层次快速车牌定位算法,它充分利用车牌的纹理特征、色彩特征和形状特征,经过粗定位和细提取,快速准确地定位出车牌所在的位置,并判别出车牌的颜色类型。实验结果表明,对复杂背景下的车牌图像,该算法具有较优的检测准确率和较快的定位速度。　　 ⑵基于纠错调整的车牌字符分割算法。本文在获取车牌的位置与颜色类型的基础上,判断车牌的方位并进行必要的倾斜校正,通过投影和连通性分析去除边框和铆钉干扰,再根据车牌字符构成的先验知识,提出基于第二三字符定位的分割方法,采用全局切分和对错误判断的局部调整策略,逐步逼近优化的分割结果。实验验证了该算法较好的分割准确率。　　 ⑶车牌字符的特征提取与分类器设计。本文改进了Hausdorff距离模板匹配算法,并采用4×4正则网格简化模板匹配算法。在提取字符的8×8笛卡尔网格占空比特征和12×5极坐标网格占空比特征之后,构造特征向量和SVM分类器。实验结果表明基于RBF核的SVM分类器有较好的效果。　　 ⑷多摄像机协同交通违法非现场执法系统的设计与实现。以车牌检测与识别技术为基础,设计并实现了超时停车非现场执法的工程应用系统,运行稳定,验证了本文算法的工程实用性。