随着经济的快速增长,汽车数量大幅增长,传统的人工管理方式已经明显滞后。车牌识别系统(LPR,License Plate Recognition)作为交通智能化的一个重要环节,通过对采集到的图像进行处理和分析,能够自动提取出车辆的车牌信息,在交通控制中具有巨大的经济价值和意义。车牌识别系统主要包括车牌定位、字符分割和字符识别三部分。本文从这个三个方面出发,重点研究了车牌定位和字符分割中的关键技术,简要介绍了字符识别的BP神经网络设计步骤,论文的主要工作包括：首先对车牌定位算法进行了改进。针对复杂背景中的车牌定位问题,本文在传统的水平投影定位方法基础上,提出了水平与垂直投影联动的改进定位方法。该方法利用垂直投影形成的峰谷规律能有效地去除伪车牌区域,解决了复杂背景中的车牌定位问题。其次,是对字符分割算法的改进。传统的字符分割方法有水平投影法和模板匹配法。但针对不同种类的车牌,两种方法都存在各自的缺陷。本文提出了一种基于垂直投影的自适应选择分割方法,该方法可以根据车牌的情况自适应选择当前的最优方法对字符进行分割。后续实验也较好地证明了本文提出的分割方法的有效性。最后,在字符识别部分,鉴于BP神经网络较强的自学习能力和容错性,本文采用经典的BP神经网络法作为字符识别算法,给出了传统BP神经网络的设计方法。