近年来，汽车数量急剧增加，智能交通系统已经成为当前交通管理的重要方向，车牌识别系统是智能交通系统的重要组成部分，它在违章抓拍、不停车收费、停车场管理以及对重要场所过往车辆的实时登记方面都有重要的作用。目前多数车牌识别主要针对监控的区域只有单一车辆的情况，背景也比较简单。但是许多情况下，监控区域比较复杂，会出现多辆汽车，背景也比较复杂，并且多车牌的识别能够减少监控器材的使用。所以对多车牌识别进行深入研究是必要的。　　 本论文对多车牌识别技术进行了研究及分析，主要包括多车牌定位、字符分割、字符识别三个部分。在多车牌定位部分本文先对常用的多车牌定位方法进行了研究，重点研究了基于形态学和成份滤除的多车牌定位方法。在研究和实验的过程中发现算法的不足，对算法做了改进，在投影阶段用水平分块投影代替了整体的投影，然后用不同的形态学结构元素来提取车牌区域。在车牌字符分割阶段，应用基于先验知识和投影相结合的方法，实现了车牌字符的分割。车牌字符识别阶段，在对常用字符识别算法研究基础上，采用基于BP神经网络的方法来对字符进行识别，针对汉字难以识别的问题，采用了局部特征和全局特征相结合的方法。　　 通过仿真实验证明，和原算法比较，改进的基于形态学和成份滤除的多车牌定位方法减少了候选车牌区域，提高了定位的准确率，降低了时间复杂度;车牌字符分割方法能够准确的分割出字符;本文所选取的字符特征能更准确的反应字符的特性，提高了汉字字符的识别率。