交通的发展是社会发展和人民生活水平提高的基本条件,保持经济可持续发展,以提高现有道路、公路网络的运输能力和运输效率的智能交通系统成为解决交通运输问题的一个重要途径。车牌自动识别技术是智能交通系统中的一个重要方面,本文叙述了一个车牌识别系统的设计与实现方法。该系统通过云台控制摄像头的移动和镜头的拉伸、调焦等任务,然后把现场站主机视频捕捉卡上获取的视频数据进行压缩,通过网络传送给中心站主机进行车牌识别。在车牌识别前,要对车牌图像进行预处理,先将车牌图像转变成灰度图像,以减少后续的图像处理计算量。随后采用Hough变换对倾斜的车牌图像进行矫正,以利于随后的车牌字符分割。本文重点叙述了车牌的识别方法。通过预处理后,首先进行车牌定位,使用基于颜色空间及灰度形态学的车牌定位方法,从候选区域中提取车牌图像。然后进行字符分割,找出车牌图像中的每个字符。最后使用基于神经元网络的字符识别技术识别出车牌字符。本文的创新点在于对车牌定位技术中进行了新的探索。车牌定位技术中最不稳定的因素就是二值化中阈值的确定。本文使用基于颜色空间及灰度形态学的车牌定位方法,故意避开阈值确定的问题。该方法的主要思想就是将采集的图像从RGB彩色空间转化到HSV彩色空间,再将图像转化为5级灰度图,然后采用灰度形态学运算并根据车牌特征从候选区域中准确地分割出原始图像中的车牌。该方法在实践中取得了较好的效果,可供同类车牌识别系统参考。