近几年来,我国的国民经济一直持续稳定的发展,人民生活水平得到了不断地提高,交通条件也十分通畅,汽车的保有量快速增加。智能交通系统与高速公路是相辅相成,相互促进,共同发展的。智能交通系统在信息采集、监控违章车辆、车辆跟踪等方面上有着广泛而深远的发展前景,是近年来研究的热点。对于我国所有能够上路行驶的车辆来说,其唯一统一的标志就是车辆的牌照,所以整个智能交通管理系统的核心就在于车牌字符自动识别技术。它的过程是：首先是预处理采集到的车辆图像；然后自动定位到车辆的牌照区域；再将字符进行分割出来；最后,采用神经网络等方法来识别出来。在高速公路上安装的车牌字符自动识别系统,充分考虑了高速公路的周边环境特点,弱化了周围环境的影响,可以实现快速而准确的车牌识别。本文是在车牌字符自动识别技术方面进行了比较研究和设计之后,充分结合了我国车牌的实际情况进行研究的。本文所用的车牌字符自动识别过程主要包括图像预处理、车牌定位与字符分割、人工神经网络。其中图像预处理方面,主要从采集的方式、采集的设备、采集设备的位置三个方面介绍了图像采集的相关问题。在获得车牌图像的信息后,首先进行彩色图像与灰度图像之间的转化,然后对图像进行平滑处理,再进行过边缘检测之后,通过二值化进行处理,就可以得到了预处理的车辆图像。之后介绍了基于灰色图像、彩色图像、基于纹理特征的颜色图像定位和基于几何形态的车牌定位以及神经网络系统定位等车牌的定位方法。在车牌字符分割模块中,本文主要针对实际情境中容易出现的拍摄图像中车牌倾斜、字符与字符粘连、字符与边框粘连、字符漏检等典型问题,提出了行之有效的应对方法,然后采用水平投影与垂直投影相结合,去除铆钉和边框等方面的影响之后再进行分割。在最后的识别方面使用的是BP神经网络。首先需要将分割得到的字符进行归一化处理,然后通过前人的经验和实验来确定神经网络三层的神经元的数目,建立神经网络系统。最后对这个建立的神经BP神经网络进行足够多次训练,对训练结果反复比较,再结合实际应用中的情况不断的改进缺陷,形成成熟的BP神经网络。本文在济南港沟收费站进行了实验取证,论文中所提到的将多种预处理方法与识别技术有机结合起来应用的车牌字符识别技术可以比较准确而及时的识别出车牌,使用效果良好。