随着我国经济水平的不断上升,机动车保有量逐年提高,更多地服务于我们的生活。机动车辆的增多对道路使用、机动车管理提出了更高的要求。机动车号牌与车辆之间存在一对一的关系,因此通过车牌的识别可以更加有效地管理车辆。车牌识别技术研究近年来一直是智能交通系统研究的热门之一,但是目前市场上的车牌识别产品,其通用性不足,即在复杂环境如光照变化强烈、倾斜、污损、噪声等情况下车牌识别的效率不高。因此,研究复杂背景下的车牌识别技术有着重大的市场价值。基于上述背景,本文对车牌识别技术中的关键环节进行了深入的研究,主要包括车牌定位、倾斜校正、字符分割及字符识别等,结合现代计算机视觉的最新技术成果,对传统算法的缺点提出改进或提出新的算法,同时结合实验进行验证分析,取得了良好的效果。本文的主要内容如下:1、车牌定位算法。根据车牌区域颜色信息和边缘信息丰富的特点,算法先对边缘信息进行检测,再使用HSI空间的颜色分量对边缘信息进行筛选,接着使用自定义的边缘连接方法和形态学方法填补边缘信息,再使用连通域和车牌的几何特征选择车牌的候选区域。接着对候选区域进行精确定位处理,包括使用边缘信息进行倾斜校正、去除上下和左右边框。最后,使用SVM方法,对精确定位后的车牌提取HOG和LBP特征,进行伪车牌的剔除,从而定位出真的车牌区域。2、字符分割算法。本文对传统的两种算法提出了改进,详细论述了改进后的两种算法,即基于多阈值和连通域的字符分割算法、基于字符间距和二值投影的字符分割算法。前者针对连通域提取时无法一次性提取所有字符的特点,设计多阈值多次提取符合条件的字符区域,并提出了非连通汉字的提取方法。后者利用车牌字符间距的特点,找出车牌中第二个字符和第三个字符的分界点,然后使用二值投影和字符的几何特征进行字符分割。3、字符识别算法。引入卷积神经网络,针对汉字和字母数字的不同特征,设计不同的网络结构,从而对字符进行识别,同时该算法其鲁棒性好,提升了应对复杂环境的能力。本文的算法在VS2010平台上实现,编程语言C++,使用了计算机视觉工具库OpenCV 1.0。