车牌定位技术是车牌识别系统的核心技术之一，车牌定位性能的好坏直接关系到后续分割、识别等环节。本文通过对目前车牌定位研究现状和发展趋势进行分析，本文介绍了两种传统车牌定位算法：第一种是基于纹理的定位方法，第二种是基于颜色空间下车牌定位算法，我们使用这两种方法对含有车牌的图像进行定位，并对他们的定位性能进行分析。本文重点介绍并实现了的一种基于改进的Adaboost定位方法，基于Adaboost的定位方法是一种机器学习算法，该算法主要分为训练阶段和检测阶段。训练阶段主要是通过学习、训练修改不同弱分类器的权值，最后形成分类能力较强的强分类器；在检测阶段利用训练阶段生成的强分类器对图片进行检测。在本文中引用的不是传统的Adaboost算法，传统的Adaboost算法使用的特征为haar特征，在本文中采用颜色特征、灰度等特征对样本进行训练，利用训练的结果对图片进行检测，取得了较好的定位性能。本文中提到的基于改进Adaboost的算法是在matlab环境中实现的，作者在不同场景的情况下将本文中提出的方法与传统定位方法进行试验对比和分析，试验结果表明本方法具有较高的定位率以及较广泛的场景实用性。同时该算法还有些不足，与本文中提到的两种传统定位方法相比，基于改进Adaboost算法的定位时间较长，以及会出现一些误定位。本文下一阶段的重点应该是如何选取更加有效的特征，使得减少定位时间和误定率。