车牌识别系统(LPR)是智能交通系统的核心组成部分,广泛应用于交通部门的违章检测、高速公路自动收费和智能停车场管理等方面。车牌识别系统主要包含图像预处理、车牌定位、车牌倾斜校正、车牌字符分割、车牌字符识别五个部分,涉及了模式识别、人工智能、计算机视觉和数字图像处理等多个学科领域。本文对复杂背景下车牌定位及识别的相关技术进行了研究,主要工作包括：(1)图像预处理。首先使用加权平均值法将彩色图像灰度化,再使用直方图均衡化技术调整图像的灰度分布,改善图像的质量。最后使用中值滤波技术,去除图像中的干扰噪声。(2)车牌定位。首先通过使用数学形态学的开、闭运算对车牌进行处理以获得车牌可能的候选区域,再使用纹理检测技术并根据车牌的几何特征对候选区域筛选来进行车牌的初定位。如果经过初定位的候选区域有多个,则使用基于HSV颜色空间的车牌定位技术,通过车牌区域的颜色及颜色比等信息对候选区域再次筛选。(3)车牌倾斜校正。主要使用旋转投影法对车牌进行倾斜校正。根据车牌校正后它的水平投影图峰宽最窄及它的垂直投影图投影值为零的列最多这两个特点分别进行水平倾斜校正和垂直倾斜校正。(4)车牌字符分割。首先利用车牌字符的纹理、间距、宽度等特征去除车牌的水平边框。然后使用垂直投影法对车牌字符进行分割。最后将分割后的字符图像统一大小以方便识别。(5)车牌字符识别。使用了基于人工神经网络的方法来对车牌字符进行识别。因为车牌各位上的字符有其特定范围,故设计和训练了三类神经网络分别用于识别汉字、字母、数字和字母。本文最后使用VC+OpenCV设计实现了车牌识别系统,该系统能够成功识别复杂背景下的车辆牌照。