随着城市化步伐加快,机动车日益普及,目前许多国家都存在交通事故频发、交通拥堵情况严重等问题。如何高效的进行交通管理,已经成为世界各国关注的焦点。在这种大的背景下,伴随着计算机技术、通信技术、信息技术的飞速发展,智能交通系统(ITS,Intelligence Traffic System)也随之诞生,并且已经成为当前交通管理发展的主要方向。车辆牌照识别(LPR)系统作为智能交通系统的核心,起着非常关键的作用。汽车牌照的自动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研究课题之一,是实现智能化交通的重要部分。本文针对目前车牌识别技术存在的一些问题,研究了车牌识别的各项关键技术,在分析了近年来一些典型的车牌识别算法的基础上,最终确定一系列有效的算法对车牌进行识别。车辆牌照识别系统分为车牌定位、车牌字符分割及字符识别三大部分,它的研究主要涉及到了模式识别、人工智能、计算机视觉、数字图像处理以及人工神经网络等众多的学科领域。在车牌定位方面,车牌定位是指将车牌区域从车辆图像中定位并分割出来,是车牌识别的基础。为了找到有效的车牌定位方法,本文对车牌特征信息进行了归纳总结,介绍了车牌定位前的图像预处理技术,并根据车牌区域在水平、垂直两个方向的纹理信息较其他区域都更加丰富的特征,介绍了车牌区域定位方法。在车牌字符分割方面,分析了车牌图像二值化、倾斜矫正以及字符归一化等各种算法,研究了基于字符块提取的字符分割方法。在字符识别方面,概括比较了常用的字符识别方法,对字符预处理、特征向量的提取进行了详细分析,研究了基于BP神经网络算法的字符识别方法。通过实验,识别率超过90%,证明本文采用的技术是比较成功和可行的。