随着我国经济的发展，汽车数量不断增加，交通问题越来越突出，作为高效解决交通问题的智能交通成为了近年研究的热点。车辆识别是智能交通中最为关键和核心的技术，有着广阔的应用前景，主要应用在道路监控系统、车辆违章事故调查、停车场管理、公路桥梁和高速公路收费系统、城市进出车辆管理等方面。基于视频车辆的识别系统主要有四个模块：运动车辆检测、车牌定位提取、车牌字符切分和字符识别。在学习、研究现有理论算法的基础上，对车牌定位提取、字符切分和识别算法提出了有效改进和完善，提高了整个系统的识别准确率，在运动车辆检测模块，用背景差分法检测运动车辆，使用改进的混合高斯模型对视频中的运动场景背景建模，检测出运动车辆区域，消除运动车辆周围的背景区域，获取准确的车辆图像；在车牌定位模块，提出了一种基于边缘检测和先验知识结合的方法定位车牌，该方法对车辆图像进行灰度拉伸等预操作，采取边缘算子检测边缘，通过连通域等形态学处理，获得第一车牌坐标；对原始图像二值化操作，投影法获得第二车牌坐标，最后融合两个位置坐标，提取车牌，提高了定位的准确性；在车牌字符切分模块，改进了传统的垂直切分法，减少了传统方法受车牌边框、噪声等影响。该方法依据我国车牌先验知识，根据车牌的长宽、字符的比例等，利用投影法确定字符边界，准确的切分字符；在字符识别模块，针对BP神经网络收敛速度慢，易陷入局部最小点等缺点，提出一种基于分类的字符识别方法，使用带动量的学习训练方法修改权值，将车牌字符分为3类，汉字、字母、数字，然后根据不同特征用3个子网分别识别，神经网络识别后对相似字符使用改进的模板匹配法二次识别，该方法不仅提高了BP网络的学习速度，也提高了字符识别的准确率。通过实验验证，对不同道路和天气情况下获取的视频中100副车牌进行识别，本课题设计的车辆识别系统可以快速、有效、准确的识别车牌，系统具有较高的识别率，能满足实际需求。