智能交通系统ITS(Intelligent Transportation System)是交通现代化的核心理念。鲁棒车牌识别算法研究,作为智能交通识别核心算法之一,用于推动交通智能化,有着广泛应用前景。支持向量机与深度学习方法是近年来在模式识别中的新识别理论与方法,由于其分别具有结构风险最小化和鲁棒特征提取优势,成功应用于多媒体数据处理与识别领域。智能交通领域中模式识别技术与机器视觉的重要应用是汽车牌照自动识别,因而受到了广泛关注。车牌识别系统研究具有重要实践价值。本系统利用支持向量机和深度特征学习理论,在开源视觉库进行基础开发,采用MFC应用程序进行车牌识别系统界面设计,实现了基于支持向量机及卷积玻尔兹曼机为主要技术的车牌识别系统,主要包括车牌检测、车牌分割和字符识别等模块,分别采用了图像处理及特征学习的算法来实现。首先通过捕捉视频帧的前景物体,对前景进行一系列灰度化、去噪、二值化、闭操作、找轮廓、轮廓筛选等图像处理,然后将候选车牌输入支持向量机判断模型,得到最终的车牌区域,并利用深度玻尔兹曼模型进行车牌识别。本文详细介绍字符识别模块与车牌识别系统模块的设计,具体过程是通过对检测定位到的车牌进行图像处理和特征提取来完成字符分割、字符特征提取、光学字符识别等操作,分析处理车牌字符,进而获得车牌的中文、英文和阿拉伯数字等字符。系统在一定程度上实现了较高的识别率,并对光照射、雾霭等环境具有一定的鲁棒性。