近几年，车牌识别系统发展十分迅速，逐渐在交通的智能监视和管理中有了重要的用途。而这个国内外模式识别应用研究领域研究的一大热点就是基于图像和字符识别技术的车牌字符识别系统。虽然现在的特征提取技术已经使得车牌的先验知识更为丰富，但是复杂的场景中的车牌识别依然十分困难。所以也导致目前的车牌识别系统大多是简单场景、单一车牌的车牌字符识别。数字图像处理、车牌定位、车牌字符分割和字符识别技术是车牌字符识别系统的主要关键技术。本文对已定位好的车牌进行图像位图读取、图像二值化、字符分割、提取字符特征、BP神经网络设计等模块进行了初步的研究。在字符分割方面，我们分析了各种技术的算法比如：牌照图像二值化，标准归一化，几何校正算法。然后借助以下几种先验知识包括牌照字符固定宽度、间距的固定比例关系等进一步实现字符的分割。在特征提取方面，将字符归一化，再采用13特征法进行字符特征提取的方法来方便下一步的识别。在字符识别方面，我们首先分析比较了常用的几种字符识别方法。然后再详细分析了基于BP神经网络的字符识别方法。实验结果证明，我们所采用的BP神经网络能满足在复杂背景下进行实时识别车牌的要求，表现出了良好的性能，具有一定的理论和实际意义，因而我们采用它作为字符识别的方法。