随着社会经济的飞速发展，进入新世纪以来，国内汽车数量显著增长。汽车牌号作为汽车身份的唯一认证，广泛用于车辆的检测、识别和跟踪。随着智能交通硬件体系的整体提升，对车辆的多视角监控成为可能，也成为今后智能交通研究的热点内容。本文基于交通图像中车牌识别算法及遮挡下的多视角融合算法进行了研究，主要研究工作如下：1.车牌识别系统中图像预处理技术，包括灰度化、自适应阈值二值化、高斯平滑滤波、Canny边缘检测等，以便更好的进行车牌识别。2.在复杂的交通场景中，当车辆之间发生相互遮挡时，会直接影响车牌的准确提取，可能导致识别不准确甚至错误。在识别过程中，基于快速性和准确性，改进了目前常用的车牌识别算法。首先，按照由粗到细的原则，实现车牌的快速定位。即：在采集到的图像中先利用角点检测找到包含车牌的区域，再进行细处理以确定车牌的具体位置；其次，通过图像增强理论，实现车牌字符的准确识别。即：对定位出的车牌图像进行图像增强，将与字符无关的噪声特征滤除，从而在与模板特征进行匹配时，能更准确的将字符识别出来。3.采用多视角融合处理技术，对车牌的牌号进行综合决策。本文采用两个摄像头从不同角度拍摄图像，将各视角采集到的图像分别进行识别，然后利用置信度对各识别结果进行数据融合处理，最后确定出车辆的车牌号码。本文采用Visual C++6.0对车牌多角度识别算法进行编程、实验和分析。实验证明：本文提出的理论和方法对车牌识别具有较高的准确率和运算效率，具有一定的理论创新和社会使用价值。