随着这几年人工智能技术的发展和广泛使用,互联网技术的普及,汽车互联成为未来交通的趋势,在公共停车场收费管理系统的应用中,使其智能化程度不断提高。本文首先有停车场汽车智能管理系统研究,引出智能交通发展的一个重要部分是车牌识别技术。为了实现停车收费管理的无人化,停车的自动化,首先就是车辆身份认证的无人化,即车牌识别技术。各国研究人员一直不断的关注智能交通,研究车牌识别技术并且不断的引入新的方法。让机器完全代替人,随着人工智能技术的发展,给传统车牌识别技术提供新的思路。经过研究人员几十年不断的研究,到目前为止,车牌识别技术已经被广泛用于:道路十字路口监控、高速路超速监控、停车场管理、小区管理等等,为现代化交通管理提供了便利。虽然目前车牌识别技术得到广泛的应用,但是对不同种类车牌的识别,一幅图像中的多个车牌的识别,识别速度和准确度上,该技术依然具有研究价值和发展空间,相关科研人员对该技术的研发从未停止。本文首先对其中车牌识别技术的现状以及已有的技术进行了总结归纳、分析,在具备相关理论基础后,本设计以车牌识别算法为理论,以车牌识别技术为研究对象。车牌识别技术的重点在于车牌定位、车牌字符分割及车牌字符识别三个部分,本文着重对这三部分进行分析、实现。首先根据车牌灰度特征在图像中确定出车牌位置,并且结合了颜色,水平灰度两种特征的方法,并通过实际结果调试出车牌位置。在车牌字符的分割中,对比分析了基于图像特征和识别的切分策略,结合本课题使用的是采用硬件逻辑实现算法和视频流数据过来且要完成分割的实时性要求,最后采用基于图像特征的分割方法。车牌字符识别部分,本设计对比了模板匹配法和卷积神经网络算法,卷积神经网络算法有更高的识别率,采用Xilinx公司的工具在FPGA上实现,得到设计要求的识别率。传统PC机软件实现车牌识别在容量大的视频图像处理情况下满足不了性能要求。系统需要脱离计算机来单独完成图像处理算法时,采用硬件处理是一个必然的选择。用于车牌识别算法硬件处理的器件主要有数字信号处理器DSP、arm、专用集成电路和FPGA等。DSP只是针对某些固定的运算提供硬件的优化,在一些需要大量数据实时处理的应用中满足不了系统要求。ASIC是针对某一固定算法而专门设计的硬件芯片,虽然性能高,功耗低,但设计周期长,对于新的算法,灵活性不高。随着微电子技术的工艺发展FPGA具有规模大,集成度高,可靠性高的优点,因此本设计采用Xilinx公司的综合了arm和FPGA的新型Zynq-7000FPGA来实现视频图像的算法处理。本设计不同于软件实现算法方式,这些算法在通过MATLAB仿真验证后,采用在FPGA硬件逻辑上实现图像预处理,定位分割处理。识别方法上,么立宝的基于Xilinx公司Zynq-7000系列FPGA的车牌识别系统的做法为在FPGA上通过软件和调用opencv库函数的方式来实现车牌识别算法(2014)。本设计车牌字符识别部分的神经网络算法实现,通过Xilinx新的SDSoC开发工具用C语言实现硬件电路的设计,高层次综合工具将卷积层和池化层生成相应IP来调用来实现硬件加速,提高车牌识别部分的速度。最后板级测试车牌图片,实验结果为本系统达到95%识别率,符合设计要求。