汽车牌照自动识别系统(LPR)是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一。它是在实现交通管理智能化中扮演着重要角色，在高速公路、城市交通和停车场收费等项目的管理中有非常重要的作用。　　 由于我国使用的GA-96式车牌底色复杂，而且首位字符为汉字字符；与国外的车牌相比而言具有更高的识别难度。目前市面上的车牌识别系统并没有广泛使用，其原因在于市面上针对我国车牌的识别系统还存在着识别速度慢、对复杂背景下车牌无法识别等技术难点。基于现场自触发视频图像的车牌识别系统本身是一个整体的智能化体系，主要包括图像采集、车牌定位、车牌倾斜校正、字符分割、字符识别等工作模块。本文通过对现有资料的搜集、整理，总结了近年来国内外在车牌定位分割领域的最新研究成果和进展，对目前的车辆触发、车牌定位算法、分割技术进行分析比较，提出了自己的检测流程并设计了一个集车牌采集、定位、分割和识别功能的完整系统。在确定识别系统的方案以后首先在Maltab平台上仿真，然后移植到OPENCV平台上运行，保证了识别系统的实时性。　　 本文首先分析了汽车图像的特点和车牌区域的特征，针对复杂自然环境下的车牌图像提出了软件自触发的图像采集方案，然后采用“自底向上切片分区域，一旦分析出车牌则停止搜索”的最快搜索车牌策略来定位出车牌。另外一个比较有特色的策略在于利用了车牌字符分割结果来去除伪区域，即可以利用七个字符高度差和间距近似的特点来对候选车牌进行筛选。车牌上字符的分割方案采用blob区域联通法，可有效避免传统的模板分割法由于车牌定位不准带来的分割错误，最后采用由Matlab训练好的BP神经网络对车牌字符进行识别。　　 本系统测试时共选取了3462张实地采集的图片，分别来自于数码相机、CCD摄像头在不同地点、时间、气候下的拍摄的不同大小的图像。总体识别率达到了92％以上，平均识别耗时在100ms以内；在确定地点环境下稍加改进即可应用于实际之中。