智能交通系统的日益完善使得车牌识别技术的发展也日益成熟。目前有很多专门从事车牌识别技术研究的科研机构和商业机构,他们在车牌识别方面取得了较丰富的成果。但是,科研机构或实验室所做的车牌识别技术研究,主要侧重于研究测试算法,往往以发表文章为目标,很少能直接应用于实际工程中,软件的稳定性和适用性较差。商业机构所开发的车牌识别软件,具有较好的稳定性和工程适用性,但由于核心算法都是商业保密的,不便于车牌识别技术的交流,核心算法的更新与软件性能指标的提高较慢。本实验室在车牌识别方面已经有了近十年的研究积累,具有了较为丰富的研究基础,但是至今未能形成一套相对完善的具有持续更新机制和较好工程适用性的车牌自动识别软件。本课题期望在总结前人工作成果的基础上,重新设计研发出一套具有较好的模块结构和反馈与学习机制的车牌识别系统,推动车牌识别技术的进一步发展。本文所做的工作有:本文首先提出一套完善的具有反馈与学习机制的车牌识别系统的架构及各个模块的功能。在车牌字符分割阶段,本文根据车牌的固有特征,提出一种基于投影和固有特征相结合的字符分割方法,首先粗定位出车牌字符,然后利用车牌字符的先验知识判断定位到的内容是否是字符,调整字符序列,最终实现字符的准确分割。实验结果证明这种算法分割速度快而且有较好的分割效果。在特征提取时,本文在对比和测试各种字符特征后,根据字符的分布特点,采用了模板细化的方法来提取特征。结果表明,这些特征有较好的区分效果,对相似字符的区分能力也不错。在字符识别时采用SVM分类器来识别。实验结果证明,SVM分类器对于这类问题具有较好的分类效果。对于识别出错的字符,通过引入学习机制,反馈到车牌识别的各个环节中,经过有监督学习反复训练学习后,提高整个系统的字符识别率。