随着社会经济和交通技术的迅猛的发展,在经济发展的带动下,城市交通面临着巨大的压力,人们极大关注这个问题。如果不处理好这个问题,将会影响人们的出行以及城市的交通。因此,发展智能化、信息化的交通管理系统已成为趋势。近年来,关于如何更好的对车牌进行智能识别已经受到许多研究人员的关注。因为每辆车都有它独一无二的号牌,因此,对车辆的管理可以等同于对车辆号牌的管理,而这项工作只能通过采用智能的车牌管理系统来实现。所以,必须通过这样的系统为我们智能的识别车牌信息。目前存在的一些方法主要是基于以下方面,例如,边缘检测、纹理分析、车牌的颜色信息、数字形态学方法、神经网络等等。通过以下方法可以矫正车牌的倾斜问题:Hough方法、基于纹理特征等。字符分割有如下方法:投影、SVM聚类法、区域生长等。在字符识别领域,存在如下方法:使用神经网络的分类方法,模板法以及基于字符的特征分类等。然而,在实际应用时,以上的方法有些适应性不是很好。本论文参考了前人研究这类问题的方法,并分析了各种方法的优缺点,对现有的某部分方法进行了改进。例如,在定位车牌时,除了使用车牌的固有特征,投影特征等方法,还结合使用了Sobel y方向的边缘检测,波的特性以及水平差分法等。在矫正车牌时,结合使用了Hough方法和车牌的纹理特征,这样可以处理车牌被污染的情况。在分割车牌时,除了使用固有的先验知识,还利用了投影方法和字符的连通域特征。识别字符时,使用了BP(Back Propagation)方法。在图像的预处理中,还使用了图像滤波以及一种基于Otsu的自适应的二值化方法等。本文首先介绍了研究背景和现状,并说明了自己的研究内容以及相应的创新性。其次,介绍了一些相关的知识与伦理,例如图像的灰度化,数字形态学以及摄像机系统的自适应控制,BP理论以及相应的应用等。然后,详细的分析了每个模块研究的内容。最后,介绍了系统的实现以及对结果进行分析,实验表明了该方法的有效性和准确性。