车牌检测技术作为智能交通系统中的重要组成部分,在交通执法、停车管理、自动收费站等多种场合起着重要的作用。本文对车牌检测算法进行了深入研究,首先从算法设计入手,提出了改善分类器检测性能的方法,随后着手嵌入式实现,最终设计出一套基于DM365的嵌入式车牌检测系统。本文的主要工作如下：首先采用扩展特征的方法来提升分类器的检测性能,通过扩展特征的方式丰富原有基础特征的表现形式,设计了基于扩展Haar特征和级联Adaboost分类器的车牌检测算法,介绍了扩展Haar特征的快速计算方法,详细描述了分类器的训练过程,采用多尺度滑窗和合并窗口策略完成了车牌检测,最后通过基础Haar特征与扩展Haar特征的对比实验评价了扩展特征方法对分类器性能的影响。接下来,本文采用了通过改变级联结构来改善分类器检测性能的方法,采用Soft Cascade结构代替传统级联结构训练出了基于Soft Cascade结构的分类器,相比于传统级联结构,Soft Cascade结构充分利用了分类器的历史信息,从而能够得到更好的判别决策,最后通过实验比较了传统级联结构的分类器和Soft Cascade结构的分类器的性能。最后,将性能改善之后的车牌检测算法移植到嵌入式平台中,并从算法端和代码端两方面进行了如降采样优化、数据类型优化、浮点数运算优化、软件流水优化等多种优化,在保证系统检测精度的前提下,提升了嵌入式车牌检测系统的运行速度,使该系统满足实际应用需求。