据不完全统计，目前已有数百种模式识别与图像处理(PRIP, Pattern Recognition and ImageProcessing)系统活跃在各个领域，许多已经作为商品推向市场。越来越多的识别算法被应用到各种智能模式识别系统特别是车牌识别系统中，而车牌识别技术则被广泛融合到各种交通管理系统，如电子警察、道路监控、车辆收费和小区智能化管理系统等。与此同时，嵌入式技术因其极高的性价比优势已深入到现代化生活的各个方面。车牌识别作为智能交通的关键技术，它与嵌入式系统的结合有着重要的理论意义和广阔的应用前景。由于ARM处理器的飞速发展以及FPGA无可比拟的并行处理优点，基于并行处理架构的嵌入式系统已经基本能够满足车牌识别系统的要求，而且其性价比优势越来越明显。传统的车牌识别系统主要是基于PC平台的，其缺点是体积庞大、成本高，不如廉价的嵌入式系统方便灵活。此外，传统的车牌识别系统多采用单片DSP或其他专用集成电路(ASIC,Application Specific Integrated Circuit)来完成算法，由于这类处理器不仅价格较高而且一般只能串行处理，若采用模板匹配算法只能与整个模板库逐一匹配，因此该算法在处理较大模板库时匹配时间相当长。为了克服该缺点，论文构建了一种基于ARM和FPGA的协同处理架构，充分利用了前者计算灵活以及后者高速并行处理的特点，借鉴并行PRIP系统设计理念，将复杂的图像预处理交由ARM计算，将计算量庞大的模板匹配交由FPGA实现。这样的系统架构使得ARM在进行图像预处理的同时，FPGA可以进行并行模板匹配，从而提高了系统的识别效率。论文在搭建系统框架的过程中对比了传统车牌识别技术，并阐述了改进算法的优势，在图像预处理中简述了图像处理的基本算法。论文重点讲述了并行模板匹配的原理及其实现方法，并根据算法仿真和硬件测试验证了算法的高效性。从字符识别的并行匹配分析中可以看到，FPGA拥有的大量并行硬件资源，充分合理设计模板匹配模块可以并行完成7个车牌字符的识别，相比于需要高速串行处理的传统车牌识别算法而言，FPGA只需通过面积置换速度即可提高识别效率。从论文总结中可以看出，并行模板匹配技术较大地提高了识别效率，充分发挥了嵌入式系统的性价比优势。