车牌识别技术(License Plate Recognition, LPR)是智能交通系统(Intelligent Transportation System, ITS)的关键技术,其在交通管理系统中占据着重要的地位,主要应用在卡口、停车场、高速公路和电子警察等,是模式识别和计算机视觉领域的研究课题之一。目前,相关研究者已经在车牌识别技术上取得许多杰出性成果。但是,由于应用场景的复杂性及其全天候工作环境的不断变化,车牌识别技术相关算法的有效性和稳定性仍然需要研究改进。本文对近年来车牌识别技术相关的理论和算法做了较为全面的了解和分析,系统地阐述了车牌识别应用的场景特点和难点、车牌本身的特征、字符的特征等,并对车牌识别技术中涉及的：车牌定位、字符分割和字符识别三大模块做了深入研究和改进工作。本文主要工作内容如下：(1)车牌定位：针对定位后存在大量误检车牌区域,对比了三种去除伪车牌的算法：①基于车牌颜色搭配的去伪方案；②基于车牌字符连通域的去伪方案；③基于车牌字符连通域结合垂直边缘的方案。实验结果表明：方法③可以很好地区分真伪车牌区域,去除伪车牌的准确率达到99.27%，车牌定位模块整体准确率为98.99%，耗时满足实时性要求。(2)车牌字符分割：论述了目前常用的车牌字符分割方法,应用了一组基本图像处理方法对车牌分割前进行预处理,对比了两种字符垂直分割方法完成车牌字符的分割：①条件随机场的字符分割：②模板匹配字符分割方法。实验结果表明：方法②字符分割方法更好,字符分割模块的整体正确分割率为94.54%，能够实现车牌字符的分割,耗时满足实时要求。(3)车牌字符识别：对目前常用的车牌字符识别方法进行介绍,实现了基于支持向量机(Support Vector Machine, SVM)和LBP (Local Binary Pattern,局部二值模式)特征的车牌字符识别;针对车牌字符识别出现的相似字符容易误识别,完成了基于模板匹配的车牌字符二次识别方法。实验表明：二次识别能够有效解决车牌字符识别相似的问题,提高车牌识别准确率,字符识别模块整体识别准确率95.40%,耗时满足实时要求。本文的车牌识别系统是以微软公司的Visual C++6.0作为开发环境,可以实现对导入图片或使用工业相机实时捕获的图片进行车牌的定位检测与识别任务。对系统进行测试表明：本文的方法能够实现车牌的识别,基本达到了设计目标,对688张图片进行测试,整体识别率89.24%。