随着汽车保有量的增加,互联网,电子技术的发展,车牌识别系统(License Plate Recognition System,LPRS)已经成为智能交通系统(Intelligent Transport System,ITS)中重要的一环,成功地应用于高速公路视频监控,交通路口违规检查等多个方面。因此,有效、准确地对车牌进行识别显得尤为重要。车牌识别系统的核心算法主要由车牌定位、字符分割、字符识别三个部分组成,本文对车牌识别的核心算法进行了深入研究,并开发了车牌识别系统。主要包括以下几个方面。1.车牌定位算法的研究,针对车牌识别速度慢、光照不均匀、车牌变形难以快速有效地提取车牌特征的现象,本文采用了边缘信息与色彩定位相结合的算法对车牌位置进行粗略定位,然后根据图像自适应二值化、高斯模糊、腐蚀膨胀等图像预处理算法得到车牌候选区域,根据车牌国标,利用提取的车牌特征确定车牌位置,最后对车牌图像进行偏斜纠正,仿射变换等后处理,得到尺寸合适的车牌。将车牌图像输入支持向量机中验证车牌的位置的合理性。2.车牌字符分割算法的研究。分析比较了常用的车牌字符分割算法,采用了边缘信息与色彩定位相结合的算法,对含有车牌的图像进行预处理,然后根据寻找外接矩形的算法来分割车牌中的非中文字符。对于中文字符本文采用了特殊矩形定位法对中文字符进行分割。3.车牌字符识别算法的研究。研究了比较常用的字符识别方法,深入研究了BP神经网络分类器的特点,最终选用神经网络对车牌字符进行识别。4.最终的车牌识别系统实现,以Jetson TK1嵌入式开发套件为基础,采用了本文提到的相关算法,在计算机开源视觉库OpenCV的辅助下实现了车牌识别系统。