随着国民经济的迅速发展，我国的汽车数量迅速增加。虽然我国政府在基础设施建设上加快了步伐，高级公路、停车场越来越多，但配套的道路、车辆管理系统却显得相对滞后，仍停留在以人工管理为主的水平上。科学、高效的利用好现有交通基础资源成为进一步挖掘我国城市交通能力的有效途径。车牌识别技术是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一。其目的就是无需为车辆加装其它特殊装置，在不改变车辆的运动状态的情况下实现对车牌的自动识别，从而给交通系统的自动管理提供了极大的方便。因此智能车牌识别系统是推进交通管理智能化的关键技术之一。本文对车牌识别系统的各阶段的任务及遇到的问题进行了比较详细的说明和分析研究，然后用神经网络中的BP算法，基本完成了车牌识别系统的设计与实现。本论文所做的主要工作如下：1．论文首先研究智能车牌识别系统中所用到的一些理论知识，介绍了智能车牌识别系统中的车牌定位，字符分割，字符识别的一些常用的算法。最后给出了我们采用的字符分割和字符识别的详细方法。2在车牌的定位阶段，我们通过对水平纹理投影平滑后的峰谷分析，对粗定位的上下边界进行了微调；在字符分割阶段中，我们通过对目标象素的竖直投影平滑后的峰谷分析，并且利用车牌字符的宽、高等先验信息改善了字符分割的效果；这种方法相对于传统的方法，既可以减少工作量，又可以避免对汉字的错误切分。3．在字符识别阶段，本文根据车牌字符的特殊性，采用一种特征提取与BP神经网络学习算法相结合的分类识别技术，选取字符的粗网格特征作为字符的识别特征，以改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别研究，有效地提高了字符、数字混合情况下的识别率。本文的车牌识别系统是模式识别领域的一个典型应用。它的基本思路和具体设计可扩展适用于其他行业的应用中，具有很好的应用前景。