随着我国城镇化发展水平的不断提升,车辆越来越多地服务于我们的日常生活。车辆在方便我们生活的同时也带来了一些问题,例如人工管理的效率低下、如何快速准确处理交通违章等。上述问题的本质就是如何识别车辆特征,然后结合互联网技术等提升对车辆的管理效率,最终实现对车辆的智能化管理工作。车辆特征识别研究一直是近年来目标检测与识别领域的研究重点,尤其是车牌识别方面。但是目前市场上产品通用性不够,尤其是在光照不均匀、车牌倾斜等条件下,因此对车辆特征识别系统进行进一步的研究有着重大的应用价值。基于上述背景,本论文对车辆特征识别系统中车牌定位、倾斜车牌校正、字符分割与识别、车身颜色识别等模块进行了深入的研究,结合最新的计算机视觉相关技术,提出了新的方法或改进,进行了实验对比分析,最终实现了良好效果。本文主要研究内容包括:1、车牌定位算法。首先灰度化待检测车辆图像,计算对应的水平梯度图像,根据车牌区域水平梯度信息丰富的特征在图像中进行滑动窗口粗选,然后对获取到的粗略候选区域进行精细定位,排除不符合车牌固有几何特征的候选区域,最后使用基于HOG特征的SVM分类器进行筛选,得到最终车牌候选区域。2、倾斜校正算法。本文提出基于图像行(列)间投影差分统计校正算法来解决车牌的水平和垂直倾斜问题,准确检测了倾斜角度,实现了良好的校正效果。3、字符分割算法。本文在传统垂直投影算法的基础上结合车牌字符分布特征提出了基于特殊分界符的车牌六字符分割算法,最后分割车牌汉字图像。4、车牌字符与车身颜色识别。引入目前深度学习中在分类问题上效果显著的卷积神经网络,并针对汉字、字母和数字、车身区域设计不同网络结构,避免了传统方法人工特征提取的过程,提高了识别效果的鲁棒性。本文中涉及到的算法在VS2010平台上基于OpenCV1.0使用C++语言进行开发实现。