车辆牌照作为汽车的唯一身份标志，成为控制汽车行为和数量的重要手段。例如，北京、上海、杭州等城市先后出台了车辆限行措施，车辆限行的主要措施包括尾号限行和车辆管辖区限行;在小区、学校或停车场，需要严格控制进入的汽车数量，车辆牌照成为记录汽车出入的重要凭证;在治安管理、交通视频监控等方面，汽车牌照也扮演着重要的角色。而通过人工识别车牌是一项效率低下而又令人厌烦的工作。因此，车牌识别系统应运而生。本文研究了基于隐蔽式流动车载视频的车牌识别系统的不同方面，并提出了一些新的算法。　　(1)通过融合连通域提取算法和模式识别去除非字符连通域算法，提出了基于学习真伪字符连通域分类的多车牌定位算法。实验结果证明该算法是准确有效的，并取得了速度和准确率方面的平衡。　　(2)从二值化的角度来看，车牌可以分为白底黑字和黑底白字两种类型。这两种截然相反的车牌类型如果不加以区分，会对后续依赖二值化结果的算法产生较大影响，甚至产生完全错误的结果。受笔划宽度变换算法的启发，分析了笔划宽度变换算法在不同类型车牌上也会呈现不同结果的特点，利用车牌字符中笔划宽度基本相似的特征，我们提出了基于笔划宽度变换直方图的车牌二值化类型识别算法。实验结果表明我们的算法是有效的。我们还研究了窗口大小对局部二值化的影响，提出了利用笔划宽度变换估计笔划宽度，进而估计字符宽度和窗口大小的算法，进一步增强了局部二值化算法的自动化能力。　　(3)光照阴影是车牌识别系统实地使用时遇到的重要问题，我们利用灰度图上形态学闭运算可以抑制比结构元素小的暗细节的特点，设计了基于形态学的去阴影算法。实验结果表明该算法可以有效地去除阴影，并能很好地保留字符完整性。　　(4)在车牌旋转矫正方面，我们提出的基于平行直线的可配置车牌旋转矫正框架，通过校验车牌字符矩形包围盒的上下两条拟合直线的平行性来获得可信度。对于不可信的旋转结果予以否定，并可以选择使用其它旋转算法进行旋转或不做旋转矫正。　　(5)通过分析大多数国家或地区的车牌，我们发现除了车牌上明确标明的管辖区信息外，在一部分地区还有可以用来区分的标志。与印制在车牌号码上方或下方的管辖区信息相比，车牌上的部分标志具有可以在更低的分辨率下识别，不会被车牌边框遮挡的特点。我们提出的结合标志和管辖区字符串的识别算法可以扩大算法的适用范围。　　(6)伪车牌去除在通常情况下都是放置在车牌定位之后，我们分析了多样性车牌的特点发现，使用字符作为区分单位可以减少车牌多样性带来的算法泛化能力差的问题。这样，去伪车牌算法可以利用前面车牌旋转矫正和字符分割的结果，有效地避免了车牌字符不同组合给算法带来的更复杂的车牌分析问题。而且，对字符归一化比对整个车牌进行归一化要简单容易得多。　　(7)我们还分析了多种分类器与特征组合情况下的泛化能力，发现在有限字符集的情况下，SVM算法有着更好的平均泛化性能;人工设计的特征在深度学习时代依然是有用的，即使它会耗费大量的人力，但实验结果显示，它可以帮助一个相对小型的深度网络提高性能。