随着我国国民经济的迅速发展，机动车辆拥有量的日益增加，城市交通问题越来越受到人们的重视，智能交通管理系统是21世纪道路交通管理的发展趋势。如何有效的实现现代交通管理，更好的实现高速公路的自动收费、停车场自动管理、交叉路口交通监视、交通事故自动检测、失窃车辆稽查等成为政府和相关部门关注的焦点。因此，高效、可靠的车牌自动识别技术已经成为现代交通管理中研究的热点。 本论文重点对动态车辆图像的牌照定位、字符分割和字符识别算法进行研究。由于动态车辆图像往往在复杂的外界环境中得到，所以很多牌照分割方法都会失去作用。笔者通过对牌照字符和牌照背景相对特性的详细分析，最终实现了基于字符竖向纹理特征的牌照定位算法。首先用Sobel垂直算子检测动态车辆图像的垂直边缘，并对二值边缘图像采用基于垂直方向的结构元素进行腐蚀运算，之后水平扫描边缘图像，将水平方向上一段连续边缘点的第一点标记为跳变点，分析整幅图像的跳变点分布规律，根据牌照字符的竖直纹理特征，确定牌照区域。对于倾斜牌照，利用Hough算法进行倾斜校正。 本文采用迭代阈值寻找牌照垂直方向投影曲线的波谷点，并结合牌照字符的先验知识实现牌照字符的分割。在字符识别方面，本文分别介绍了模板匹配、基于字符特征和基于神经网络的字符识别方法。最终采用BP神经网络，使用汉字、字母、字母数字和数字4个网络对牌照字符进行识别。针对传统BP神经网络收敛速度慢且容易陷入局部极小值等缺陷进行了改进，在修改网络连接权值过程中增加附加动量，并采用自适应学习系数。本文针对4个网络建立了不同的训练样本特征库，可以节省大量的存储空间，方便、快捷、有效地管理样本。 实验结果表明本文算法对牌照在图像中的位置、牌照颜色没有限制，对牌照的倾斜、变形、字符的污染、模糊有较强的抗干扰能力，对于外界光线强度和图像对比度的变化有较强的适应能力，在实际应用中有一定的参考和借鉴价值。