在我国经济高速发展的今天,汽车也由从前的奢侈品逐步成为人们日常生活的必需品,汽车保有量也与日俱增,给传统的车辆管理和交通运行方式带来巨大压力和挑战。为解决此难题,车辆牌照自动识别技术(AVI)应运而生,并发展成为现代智能交通系统中的重要组成部分之一。其以数字图像处理、计算机视觉处理等为基础,依托模式识别、机器学习等手段,对采集而来的图像进行分析处理,提取车牌进行识别。该技术可应用于停车场出入口、小区门禁、公路收费管理等,对于维护交通安全和城市管理,实现交通全自动化管理有着积极的、现实的意义。当前车牌识别研究领域在理想实验环境下均能达到90%以上识别准确率,配合固定的感应地线和摄像头、补光设备,商用的车牌识别准确率能达到95%以上。但在灵活性、机动性方面,却有所欠缺,在一些复杂情况下,抗干扰性和稳定性会下降,因此车牌识别领域仍需进行研究。本文车牌识别的主要样本有别于传统的固定摄像头拍摄图像,来自于不同手机、不同场景、多种角度拍摄的车牌图像,使用便于移植的开源图像处理库OpenCV,首先对图像进行颜色与形态学相结合的方法进行车牌提取,使用SVM算法2次定位车牌,并用BP神经网络算法对车牌进行二值化处理,去噪、倾斜校正、字符分割提取后,使用改进的LeNet-5对车牌字符进行识别。本文算法立足于面向移动端的车牌识别,实验环境以Windows 7下Visual Studio2013为主,同时在Android Studio上也进行了探索和尝试,实验表明在PC端环境下,系统执行速度快、识别准确率高,便于移植到嵌入式设备。在移动端识别准确率较高,速度有待进一步提高。