作为智能交通重要组成部分的车牌识别系统(LPR),在高速路自动收费、城市交通管理等方面发挥着举足轻重的作用,发展前景非常可观。车牌定位是车牌识别系统的关键技术。随着车牌识别系统的普及,以前在固定环境和简单场景下的车牌定位算法已经不能满足当前的需要。因此,在复杂环境下的车牌定位逐渐成为当前研究的热点。车牌识别系统一般包括车牌定位、字符分割和字符识别三部分。本文主要对车牌定位部分进行系统的研究。本文对近年来国内外车牌定位领域的最新研究成果和进展进行了分析,采用了分级车牌定位算法对静态图片进行定位。针对低对比度车牌定位难的问题,本文通过分析车牌图像的特征,找出了车牌的几何特征、字符的紧密性特征以及Haar特征,为了描述Haar特征,引入AdaBoost家族算法的Discrete AdaBoost (DAB)和Real AdaBoost (RAB)算法去设计分类器,最终实现了基于Haar特征的AdaBoost算法的车牌定位。为了提高分类器的准确率,分别将DAB,RAB算法用于分类器的设计,从定性和定量的角度进行了分析,得到RAB算法能使定位结果达到最优的结论。分级车牌定位算法的流程分为三步:首先是粗定位,根据车牌区域字符紧密性特征和车牌区域的几何特征提取所有可能的候选车牌。由于具备这两个特征的区域很少,筛选掉了大量的非车牌区域,方便于最后的精定位;然后对倾斜角度大的候选区域进行几何校正;最后是精定位阶段,进行候选车牌辨识,根据基于Haar特征的AdaBoost分类器,将经过几何校正后的候选车牌通过该分类器以求得最终的车牌定位。实验结果表明,本文采用的算法能够适应复杂背景下的车牌定位,定位准确率高,具有很强的鲁棒性。