伴随着中国经济社会持续强劲发展和民生质量的改善，我国机动车保有量呈快速增长态势，截止2017年底，全国汽车保有量达2.17亿辆，社会大众的出行方式和物流业的发展形势正随之发生深刻变革。伴随而来的是，交通网络的信息化、智能化、规范化成为了我国交通运输行业进一步发展的趋势，我国相继出台了一系列政策和规划，如“交通运输科技十三五规划”等，都将智能交通建设摆在了交通领域发展的首位。如何实现城市交通的智能管理和规划已经成为了当下炙手可热的焦点话题，本文设计了一套基于手持车牌识别设备的违停车辆信息管理系统，通过将违章信息电子化，实现信息的线上实时处理，提升了交通网络的运行效率，作为智能交通信息化、电子化的关键部分，丰富了交通网络的信息处理方式，搭建了警民间高效交流的平台。　　本文立足于实际拍摄的车辆图像，以基于神经网络的车牌识别算法为核心，实现对违停车辆的处罚及信息一体化管理。本系统中利用手持设备对违停车辆进行拍摄，通过网络无线传输技术将采集到的图像上传至云平台服务器中，调用车牌识别算法程序对图像中车牌号信息进行提取，并同步将现场图片及相关违章信息保存至服务器数据库中，识别结果返回并显示在手持设备界面，由此实现电子化的违章处罚流程，后期可加入迷你打印机模块自动打印纸质版罚单，提升执法效率。同时设计违章信息管理系统，远程访问服务器中数据库，实现交警用户对处罚信息、车辆档案等内容的管理，并且使得车主用户对其车辆状态能够实时获悉。本文主要工作包括硬件部分、算法部分和软件部分:　　1.本系统中选用Smart210开发板作为硬件设备平台，调用USB摄像头对违章现场进行拍摄，使用4G无线通讯模块实现数据传输。硬件部分内容主要包含:嵌入式环境搭建（交叉编译环境建立、Linux操作系统移植和QT工具包移植）、图像采集与显示功能模块的实现和网络无线传输技术三部分工作。　　2.车牌识别算法的研究与优化。首先对违停现场照片进行图像预处理操作，利用形态学闭操作形成连通域，限定矩形宽高比、面积阈值和倾斜角度等条件，筛选候选区域，从而定位车牌所在位置;之后基于取轮廓和外接矩形框操作，依次分割得到七个字符图块;最后设计七层卷积神经网络架构，实现对65类字符的识别（中文、英文及数字）。通过采集的样本集进行测试，本文算法准确率较高且速度较快，满足系统对识别过程实时性和识别率的要求。　　3.软件部分内容包括云平台服务器的搭建和信息管理系统的实现。云平台中包含数据库服务器和应用服务器，将车牌识别算法程序置于应用服务器中，对接收到的图像进行处理，数据库服务器用来保存识别出的违章信息及交警部门导入的档案信息等。信息管理系统是利用Visual Studio设计开发的，远程连接云平台数据库，通过人机交互的主界面，即可实现对信息的增删改查管理，此系统的实现能够大幅减少交警工作量，同时方便广大车主把控车辆动态、掌握实时消息。　　综上所述，本文中设计的基于手持车牌识别设备的违停车辆信息管理系统，将违章处罚、网络通信、信息管理完美结合，有效实现现场拍摄、信息识别和存储管理等核心功能需求，具有较高的实用价值。