计算机视觉技术正受到越来越广泛的重视，在智能交通系统ITS(IntelligentTransponation Systems)中有着重要的应用。而视频流中关键帧的检测，流中的文本提取与分割，标识字符串的识别则是ITS中三个关键的技术难点。本文对这三方面的内容都进行了研究。其中，对前两个方面的内容，给出了针对特定应用的方案设计。字符识别是本文讨论的重点。 对于关键帧检测，本文提出一种将邻帧差分与背景差分相结合的方法，将视频流分为四种不断循环的状态，通过对当前状态和前后状态的判断，从而准确的检测出关键帧。文本字符分割借鉴了OCR系统中的分割方法，对字符倾斜与粘连两种主要影响分割质量的情况提出了解决方案。 字符识别是一个典型的模式识别课题。字符形状模板匹配识别方法具有简单易实现的特点，但同时也存在抗干扰差，识别率不高的缺陷。本文应用神经网络技术，研究了上述识别方法的改进。先研究了标准字符空间中利用归一化字符形状相关系数的聚类识别特性，实际字符图像的畸变仿真，讨论了畸变对形状相关识别的影响。然后，在此基础上，应用神经网络理论中的感知机模型，对于不同的位字符空间，生成了相应的线性识别机器，PC仿真给出了良好的结果。