近年来,伴随着“智慧城市”概念的兴起,以及国内汽车保有量数字的不断上升,如何科学、高效地收集和处理车辆信息,使其融入“智慧城市”的整个体系的运行中,一直是科研和商业领域的重要课题。其中车牌识别算法的研究以及软件系统的开发,作为整个智慧体系的第一个环节,其重要性是不言而喻的。作为机器视觉领域的一项应用,车牌识别系统可以应用在交通违章处理、涉案车辆追踪、智能停车场等实际场景中。因而,该系统对城市管理者提高管理效率有很重要的意义。本文通过对国内外已有的车牌识别算法进行了深入的研究和比较,发现国内对于多车牌识别系统的研究和实际应用还落后于国外,具有很大的研究价值和商业前景。考虑车牌在复杂背景下的旋转、变形等干扰,本文设计了一种多车牌识别系统,具体的工作内容如下:(1)通过受试者工作特征曲线(receiver operating characteristic curve,简称ROC曲线),定量对比了四种区域矩描述符的性能,选出性能最优的两种区域矩描述符,使用顺序前进法(sequential forward selection,简称SFS)动态融合构成新的特征向量,结合支持向量机(support vector machine,简称SVM),提出了基于多区域矩融合的车牌定位方法。当车牌发生旋转、姿态变化甚至被遮挡时,对车牌检测效率非常高。(2)研究了基于图像投影的车牌字符分割方法,发现标准车牌图像投影方法只能分割理想条件下的车牌图像。针对含有粘连字符或者当车牌字符被污染时的情况,本文基于图像投影法提出了一种动态峰谷法。该方法有效地解决了非理想条件下车牌字符分割的问题。(3)通过实验对比分析了标准BP神经网络和改进的BP神经网络算法,在字符识别过程中的性能表现,并且定量对比了隐含层包含不同数量神经元时的性能表现,以及自适应学习率BP算法采用不同学习率增长速率时的性能表现,确定了BP网络的最优结构,使字符识别的性能达到了最佳状态。(4)对多车牌识别系统进行了需求分析与系统设计,并以Visual Studio 2010作为开发平台,采用MFC应用程序开发技术,选用MS Access作为后台数据库,搭建了基于C/S的三层体系结构,完成了车牌识别系统软件的整体开发,其中应用了大量的图像处理知识,实现了多车牌的自动识别的功能。结果证明本文设计的改进的多车牌识别系统,具有较高的准确率和实用性。(5)最后,在静态图像识别的基础上,引申讨论了基于视频流数据的车牌识别方法。对单帧图像的提取与优化方法做了简单的讨论与实验,实验证明了该方法能有效减少运算量,提高系统的运算速度。