随着经济的发展,车辆数量急剧增大,交通问题日益突出,这使得智能交通系统成为一个热点研究领域,受到日益广泛的关注。车牌识别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课题之一,是智能交通系统的重要组成部分。本文研究的对象是当前智能交通管理系统中的运动汽车牌照识别。设计了一个功能基本齐备的运动车牌图像恢复与识别系统的物理组成和逻辑结构,并对其关键技术:运动车牌图像的恢复与识别进行了深入的研究。对运动车牌图像恢复过程中,主要对当前超速监测系统中一些超速驾驶车辆行驶速度快造成图像抓拍模糊的情况,提出了一种基于卡尔曼运动模型的运动车牌图像恢复方法。这种方法针对超速汽车运动特点建立卡尔曼运动模型,并对运动模糊图像退化过程进行了分析,该方法逼近汽车实际的运动模型,实践证明,恢复效果明显,对后面的车牌定位与识别打下了良好的基础。在对车牌进行定位与识别中,采用连通域搜索与车牌候选区域投影检测相结合的方法对车牌定位,之后用基于BP神经网络的方法对车牌字符进行了识别。实验结果表明,本文的方法对超速行驶的车辆能较准确定位并进行识别。论文设计的算法对实际车牌识别系统的设计具有一定的参考、借鉴价值。本文采用C++、MATLAB编程语言进行相关的实验与应用,同时又调用了由Intel公司资助的开源计算机视觉库OPENCV(Intel(R)Open Source Computer VisionLibrary)中的相关函数对运动目标图像进行识别和处理。