随着现代科学技术的发展和社会交通量的日益增大,智能交通系统的重要性日益突出。而车牌自动识别系统(License Plate Recognition System)是智能交通系统中的重要组成部分,它可广泛地应用于交通流量检测,交通控制与诱导,机场、港口、小区的车辆管理,不停车自动收费,闯红灯等违章车辆监控以及车辆安全防盗等领域,具有良好的应用前景。鉴于车牌自动识别技术的重要性,已有不少研究者投身这一研究领域,并取得初步成效,已有一些产品投入使用,但其效果并未达到人们期望的水平,离真正的实用要求还有一段距离。本文首先对车牌识别技术的发展和现状进行了深入的研究,在研究的基础上开发出一个基于最大稳定极值区域的车牌识别系统。我们首先提取最大稳定极值区域(MSER),对包含MSER的子图像提取Gabor特征,然后利用事先训练好的Adaboost分类器对这些区域进行分类,分为“文字”或“非文字”区域,再结合车牌自身特点,找到包含文字区域的最长矩形即标记为车牌。在车牌字符识别阶段,我们提出了一种基于形状上下文的模板匹配方法。一般来说,车牌自动识别系统有三个步骤：(1)车牌定位；(2)车牌字符分割；(3)车牌字符识别。本文提出了一种新的设计方案：首先用MSER算法进行分割以便获得类似字符的候选区域,然后用机器学习的办法找到目标车牌区域,最后进行字符识别。实验结果表明,基于最大稳定极值区域的车牌识别系统可有效地实现车牌识别,在视角、尺度、亮度、有污渍、模糊等几个方面都具有良好的稳定性。