随着我国经济的日渐发展,科技水平的提高,人们生活水平逐步上升,交通日渐发达,汽车越来越多,对交通的要求也越来越高。于是就出现了智能交通系统(Intelligent Transport Systems,简称ITS)。ITS的非常重要的一部分是车牌自动识别技术(License Plate Recogniton,LPR)。LPR主要包括3大部分,车牌定位,车牌分割以及车牌识别。人工蜂群(ABC)算法则是Karaboga学者举出的一种寻找最优解的新方法,其将蜂群模型应用到实际的求最优解的问题中,这种算法容易实现并且速度快。为了提高车牌识别算法的鲁棒性,本文将人工蜂群算法分别应用到车牌定位、车牌分割以及字符识别这三个部分中。首先,在车牌定位模块中,传统的提取边沿方法中的阈值不容易确定,阈值选择的不好就会容易丢失边缘或产生虚假边缘,本文将用人工蜂群算法自动搜索最优阈值,得到很好的边缘图像,再结合形态学处理、像素跳变以及车牌的彩色纹理特征最终确定车牌的位置。其次,在车牌分割模块中,垂直投影法中车牌图像的二值化很重要,而二值化主要就是找到合适的阈值,本文将应用人工蜂群算法自动寻找最佳的阈值,得到很好的二值车牌图像,再应用垂直投影法分割车牌字符。最后,车牌字符识别部分,本文采用BP神经网络(Back Propagation Network)法,而BP神经网络要寻找到合适的权重和偏置,本文将采用人工蜂群算法搜索初始权重和偏置,再利用BP神经网络识别车牌字符。通过仿真实验,本文算法能够很好的识别车牌。