随着我国经济的发展和科技的提升,汽车保有量越来越高,每天产生的车牌数据量非常庞大。在这样的背景下,需要发展智能交通系统来辅助交通监控和管理,车牌识别是智能交通的基础,本文设计并实现了车牌识别软件系统。车牌定位是整个车牌识别的基础,往往车牌识别不准确,很大的原因是车牌区域识别不出来导致的。因此本文在车牌检测方面采用了颜色和边缘特征相结合的方法进行车牌候选集提取,综合了颜色和边缘的优点,既有效的控制了时间复杂度,同时还提升了识别性能。然后对车牌候选集采用Bag Of Words的思想进行车牌识别。即先对车牌区域提取SIFT特征,由于特征点数目各异,需要采用k-means算法对特征进行聚类形成视觉词典,然后将SIFT特征映射视觉词典形成得到特征直方图,最后采用SVM对特征进行识别分类。车牌字符识别是车牌识别的最后处理步骤,为了提升识别特征的区分度,本文采用了投影直方图特征和梯度方向直方图特征相结合的特征进行车牌字符识别。梯度直方图图特征是受HOG特征的启发,在图像的局部特征检测和识别方面取得了非常好的效果。实验结果表明本文采用的字符识别方法具有非常不错的识别率,对1000张高速监控车牌取得了91.2%的识别率。