车牌检测与识别技术作为数字图像处理与模式识别技术在智能交通领域中的重要研究课题,广泛应用于小区停车管理、公路收费和交通管理等各个领域,具有较高的理论价值和一定的实用价值。车牌检测与识别技术主要由三个部分组成：车牌定位、字符分割和字符识别。目前存在的问题是弱光或者反光、车牌污损、颜色漂移和复杂背景下的车牌定位率低；字符分割的自适应力不足,对断裂或者粘连字符的分割效果不佳；笔划不规则、残缺的汉字识别率低等。在分析和总结了现有车牌检测与识别技术的基础上,提出了完整的车牌检测与识别技术方案,有效缓解目前算法存在的问题。本文的研究工作主要包括以下几个方面：1.车牌定位。针对光线差、车牌污损等问题,采用自定义边缘检测算子增强车牌纹理对比度；融合纹理特征和车牌RGB颜色特征,解决颜色漂移和复杂背景干扰；利用区域重心法实现车牌精确定位。实验证明提出的车牌定位算法在自然条件下的定位率可以达到97%以上。2.车牌字符分割。以PCA算法校正车牌,再利用车牌高度和垂直投影得到的波峰波谷计算自适应字符宽度；结合车牌字符规格的先验知识,从中间波峰开始分析字符的断裂和粘连状态；在完成波峰字符概率计算基础上选择概率最大的7个连续波峰作为分割字符。在复杂情况下的字符分割率达到92%,较好解决了字符分割中的断裂、粘连等问题。3.车牌字符识别。构建标准汉字和半字模板库,将待识别字符与模板进行相与、异或运算提取汉字特征,以自定义的匹配算子进行模板匹配识别字符,解决汉字残缺和笔划不规则等识别难题。设计三层BP神经网络,选用交叉验证法训练网络,达到识别车牌英文和数字字符的目的。提出的算法对汉字、数字、英文字符识别率均到达95%以上。