由于全球汽车数量越来越多,环境污染、交通管理压力大等一系列问题也越来越严重,智能交通系统的发展面临巨大的挑战。车牌识别LPR（License Plate Recognition）技术,其目的是使处理单元能准确输出所拍摄图像中的车牌位置信息,并识别出车牌号码。机器视觉技术是解决车牌定位与识别中最为关键的技术,越来越多交通管理问题需要通过机器视觉技术进行解决。但车牌识别系统的发展还面临一些问题:1、由于光照不足、车牌倾斜、镜头距离远、图像模糊等因素,造成车牌定位困难问题。2、单一倾斜校正模型不能很好校正具有双向倾斜的车牌问题。3、车牌字符识别算法识别精度低,实时性差等问题。这些问题都有待人们去探索、研究、解决。本文首先介绍车牌定位与识别的研究背景及现实意义,搜索中外文献了解其研究现状,根据车牌定位与识别中面临的实际问题,探索解决方法。针对采集车牌图像由于光照、天气等原因出现暗淡、模糊的特点,首先采用多滤波器滤波法去除图像中存在的干扰信号,并提出一种改进的微分法对车牌图像进行增强。针对复杂工况下的车牌定位问题,构建基于Faster-RCNN的车牌定位网络,以获得车牌位置信息。并对其进行了实验验证,实验结果表明该模型在四种复杂工况下的车牌定位准确度在98%以上,其平均定位时间在300ms以下。接着,通过一种双向车牌倾斜校正模型对倾斜车牌进行了位置校正。最后,针对车牌字符算法识别精度低,实时性差的特点,首先提取车牌字符的粗网格特征及HOG特征,形成融合特征,建立多层感知机字符识别模型对提取到的车牌字符特征进行分类识别,并与其他算法进行了性能对比实验。实验证明,本文建立的多层感知机字符识别模型的车牌识别正确率为98.72%,其平均处理时间为165ms。