车辆检测与车牌识别是智能交通系统的重要组成部分。本文主要研究了车辆检测与车牌识别问题中的几个关键技术,这些技术可以有效的提高车辆检测和车牌识别的性能。本文的研究内容包括以下几个方面:1.研究并提出了一种改进的均值背景建模方法,这种方法首先通过帧间差分法选择车流量相对较少的帧用于背景初始化,在初始化的过程中,只有背景像素点用于背景初始化。在背景更新过程中,只有背景像素点用于背景更新。此方法提高了初始化背景的精度和背景更新的速度。2.研究了常用的几种车辆检测算法,并在此基础上提出了融合背景差分法、帧间差分法和边缘检测法的车辆检测算法。这种方法首先分别利用这三种方法对车辆进行检测,得到三幅前景图像,然后通过证据理论进行决策级融合得到最终的前景图像。此方法充分利用了这三种方法的信息,取得了较好的车辆检测效果。3.研究了现有的车牌定位算法,在此基础上提出了一种基于边缘和Adaboot的车牌定位算法,此方法首先利用基于边缘的方法快速提取出车牌的候选区域,然后通过Adaboost对车牌候选区域进行验证,得到最终的车牌区域。此方法充分利用了基于边缘法的速度优势和Adaboost分类器虚警率低的特点,提高了车牌定位的速度和准确率。4.提出了一种基于模板的车牌字符分割算法,此方法充分利用了车牌中字符大小一样、间距一样、高宽比固定等先验知识,较好的完成了断裂字符和相似字符的分割,同时该方法具有较快的执行速度。5.研究了模板匹配、神经网络和SVM等几种常见的车牌字符识别算法,在此基础上提出了一种融合模板匹配和SVM的字符识别方法。此方法充分利用了模板匹配算法和SVM算法各自的优点,较好的解决了相似字符和退化字符的识别问题,进而提高整个字符的识别率。6.利用OpenCV和Visual Studio2008实现了车辆检测与车牌识别软件。