近年来,随着我国城市智能交通系统的发展,车牌识别系统作为城市交通系统中信息采集的一种手段,在快速发展的同时仍存在一些不足。本文首先对LPR中几大关键技术进行全面的论述,并将其中的车牌定位技术和字符识别与遗传算法及神经网络相结合,在国内外车牌识别系统的基础上,结合我国车牌特点提出了新型的车牌识别系统,该系统可有效提高车牌定位的准确率和识别运算效率。本论文主要包括以下三个方面:(1)根据车牌区域灰度和颜色特征,提出了基于灰度和数学形态学运算的定位改进算法,以及基于颜色特征的定位改进算法。通过合理构造适应度函数,将遗传神经网络算法应用到车牌定位领域中;(2)针对当前各种主流算法在车牌定位和倾斜校正部分的不足,将Hough变换方法用于确定车牌的倾斜角度,提出了较为有效的改进算法并与原算法进行了对比;(3)分析和比较了模板匹配和神经网络方法的优缺点,将模板匹配与BP(Back Propagation)神经网络相结合,设计了数字、字母、数字和字母混合及汉字分类器的三层前馈网。改进后BP算法比一般的算法在网络收敛速度方面更快,极大地缩短了网络训练的使用时间。实验结果证明:该方法对相似字符的识别是非常有效的,准确率也得到了很大的提高。