随着中国社会经济的快速发展,居民生活水平的提高,越来越多的家庭选择购买轿车作为出行工具,随之而来的便是车辆管理问题,如车辆行驶在道路过程中、出入居民小区、停靠在停车场等,都需要进行监管,而辨识车辆最简单的方法是辨识车牌号,由于车辆数目巨大,流动性强,仅凭人工辨识,难度巨大,伴随着人工智能的发展以及硬件设备的提升,依托机器学习以及深度学习技术的车牌号码识别技术应运而生。本文提出的车牌识别算法由三部分组成:车牌定位部分,车牌分割部分,车牌识别部分,而车牌识别是最重要的部分,其准确率直接关系到整个系统的性能。在本文中,车牌定位部分使用基于边缘信息和颜色信息的算法,车牌字符分割部分使用垂直投影法,在车牌识别部分,传统的识别方法有模板匹配法、机器学习识别算法。模板匹配法是将分割好的字符与样本模板进行匹配,选择匹配度最高的匹配结果,模板匹配法虽然简单、识别速度快,但在识别模糊的车牌图像时效果较差。机器学习识别算法一般使用SVM、KNN、ANN等常见算法进行识别,其识别准确率要高于模板匹配算法,但由于中文字符比字母和数字更复杂,在字符缺损、模糊,变形等极端条件下识别效果较差。针对传统识别方法识别中文牌照效果较差的问题,本文提出一种新的车牌字符识别算法,与传统算法相比,基于卷积神经网络的车牌字符识别算法在复杂的环境下字符识别率更高、识别速度快、应用范围更广。