基于BP神经网络的车牌自动识别技术是当代计算机、图像处理、人工智能、模式识别等理论发展起来的新型图像处理技术，是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法，在高速公路收费管理、高速公路超速自动化监管、城市交通路口的“电子警察”、停车场收费管理等面有着广阔的应用前景。车牌识别的难点在于对车牌区域的正确分割和字符识别，本文针对这些问题都进行了相应的研究。 本文主要研究了车牌的定位，车牌字符分割和利用BP神经网络对车牌字符进行识别的三大内容，采用理论与实际实验相结合的方法，对上述三大主要内容都进行的仿真实验，仿真实例实验证明了该方法的可行性，以及该方法具有的良好鲁棒性，并取得了一些比较有益的结果。 本文分为五个章节，各章节主要是根据图像识别系统中处理环节的顺序进行安排；第一章介绍了智能交通的发展和内容，以及本论文计划要完成的研究任务。第二章介绍了车牌图像的预处理，包括图像灰度化、图像滤波、图像二值化、边缘提取和数学形态学的基础理论，并对部分算法进行了仿真实验。第三章主要在对现有车牌定位技术进行分析研究的基础上，利用灰度累积投影与边缘图像跳变统计的车牌定位方法对车牌进行定位，实验证明，效果比较理想。第四章首先分析了车牌字符的规律和几何特征，分析了车牌的这些先验知识之后，利用数学形态学处理和图像垂直投影分布的方法对车牌字符进行分割。第五章主要介绍了神经网络的基本知识和BP算法，并讨论了BP算法的优缺点，针对BP算法存在的缺点进行了改进，最终利用BP神经网络对字符进行识别，并进行了试验，得出的结果证明了本文提出的方法的有效性。最后在总结中，对全文的研究工作进行了总结和展望。