在我国汽车工业迅猛发展的今天，汽车保有量的逐年大幅增加，对传统的车辆管理和交通运行方式面临着巨大的压力和挑战。为了解决上述问题，车辆牌照自动识别技术(AVI)应运而生，并发展成为现代智能交通系统中的重要组成部分之一。它以计算机视觉处理、数字图像处理、模式识别等技术为基础，对摄像机所拍摄的车辆图像或者视频图像进行处理分析，得到每辆车的车牌号码，从而完成识别过程。通过一些后续处理技术其可以实现停车场出入口收费管理、盗抢车辆管理、高速公路超速自动化管理、闯红灯电子警察、公路收费管理等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通全自动化管理有着现实的意义。目前车牌识别的研究领域取得的成果在实际环境中识别率达到了90%以上，具有较好的识别效果。但在一些复杂或者特殊的环境中，抗干扰和稳定性就会大幅下降。因此，车牌识别领域还需要进一步研究。本文设计的车牌识别系统的实现过程主要是：首先通过CCD摄像头将视频图像传输到计算机中，对视频中的每一帧图像运用车辆轮廓检测和质心跟踪算法进行车辆检索，当得到含有车辆的图像时，判断是否是同一车辆，而后将视频中不同的运动车辆图像进行标记和储存。然后对车牌图像进行去除噪声和图像形态学处理，通过Canny边缘检测和膨胀处理，得到图像的轮廓，并从图像中检索车牌矩形轮廓并画出，把合适车牌比例的车牌区域分割出来并保存。在车牌区域图像的倾斜校正和噪声的进一步去除的基础上，运用模板匹配和垂直投影相结合的字符分割方法，将车牌字符分割出来。最后，采用BP神经网络对得到的大量车牌字符进行训练，得到合适的神经网络的权值和阀值，对新的车辆牌照进行识别，将得到的车牌信息保存到文档。本文在计算机视觉（OpenCV）库的代码简洁、高效和最优化的基础上，以windows系统下Visual studio2010为软件平台，设计的系统代码执行效率高，实时性好，具有可移植到嵌入式设备等优点。本系统通过实验和实际道路的测试，具有良好的实时性和识别效果，能够满足车牌识别系统的要求，为以后的车牌识别研究提供了一定的参考。