ITS(Intelligent Transportation System,智能交通系统)是未来交通监管系统的主要发展趋势。车辆牌照识别技术(LPR,License Plate Recognition)又是ITS中的核心技术之一。研究开发车牌识别系统对于我国交通管理的发展具有重要实用价值。SVM(Support Vector Machine,支撑向量机)是模式识别领域中新近出提出的理论,它能较好地解决传统模式识别和人工神经网络存在的一些问题,运用该理论来解决车牌识别的实际问题是一个可行性较高的方案。NiosⅡ是Altera开发的一种嵌入式处理器软核,可以将它嵌入到FPGA内部,与用户定制逻辑搭建一个基于FPGA的SOPC系统。本文以SVM理论和嵌入式系统技术为理论基础,提出了一种有效可行的车牌识别系统的设计方案。论文主要工作包括以下几个方面:①构建了SOPC系统。在FPGA上以NiosⅡ/f型CPU为核心,构建了一个嵌入式系统平台,实现了从图像采集、图像预处理、车牌字符识别以及识别结果存储的功能。②对图像预处理算法进行了研究。在传统图像预处理基础上,改进了车牌图像二值化方法;在基于投影的字符分割方法的基础上,通过增加阈值控制减少对字符误分割的几率;对字符细化流程的判断条件加以补充,提高字符细化处理的效率。③分析研究了支撑向量机理论及SMO训练算法。讨论了不同参数对支撑向量机分类识别能力的影响,通过测试得出了适用于车牌字符识别的支撑向量机的参数。在两类SVM分类器的基础上,用一对多的方式用若干个两类SVM分类器构建了适用于车牌字符识别的多类SVM分类器。④采用硬件加速的方式提高系统性能。在图像预处理及SVM分类判决中使用的浮点乘法和指数运算较多,而中值滤波也是一个耗时较多的部分,用软件实现不利于系统速度的提高,故采用了硬件电路来实现。在保证计算精度和识别率的情况下,较大幅度地提高系统的实时性。实验结果表明,本文所提出的系统构架方案有效可行,基于FPGA的自动车牌识别系统在速度、功耗、扩展性等方面具有独特的优势,拥有广阔的发展前景。