车牌的检测识别是计算机视觉和图像处理研究领域的一个重要课题,并且在目标检测领域具有代表性。由于天气和光照的变化、复杂背景的干扰等原因的存在,使得车牌信息的描述与真实目标存在较大差异,给车牌的正确检测带来极大挑战。针对现有视觉系统适应性和鲁棒性不高的问题,论文对目标的检测识别机制和方法进行研究。主要内容有:人类视觉的目标识别机制。首先对人类视觉机制进行研究,在分析物体视觉特征和人类视觉信息感知特性的基础上,分析人类视觉感知基于相关知识的推理和人类视觉基于知识的由粗到精的多层次识别机理。然后,总结人类视觉感知的一些规律和仿人视觉的目标感知策略,建立闭环反馈的视觉检测系统结构模型。分层感知的车牌分割。首先在大尺度图像上检测车辆整体,设计实现基于多帧证据的背景建模方法和基于帧间相关的实时背景更新算法;然后在车辆的小尺度图像上检测车牌,用搭桥法消除细节检测车牌整体;最后提出基于反馈机制的车牌定位方法和车牌字符的多尺度分割方法。信息缺失条件下的车牌识别。以运动车辆中部分遮挡的车牌为研究对象,根据人类识别目标能够从局部推断全局的规律,综合多帧局部证据对车牌进行检测。对于缺失信息的车牌,在车辆小尺度图像上检测可疑车牌大致区域,并综合多帧局部特征进行推理。并将分块思想用于字符识别中,提出一种仿人的车牌字符识别方法。大量实验证明,提出的车牌定位算法可以有效解决光照不均、牌照褪色、以及复杂背景干扰等情况下的车牌定位问题;识别算法能够识别局部信息缺失的字符,并可用于部分遮挡车牌的渐进识别。新的算法能够提高车牌自动识别的鲁棒性和适应性。