智能交通系统是解决现在城市中交通拥堵、环境污染等交通问题的一个有效途径。智能交通系统是将电子传感技术、图像处理技术、数据通信技术、电子控制技术和信息处理技术相结合的一个庞大的系统。目的是建立一个完整的地面交通指挥系统,实现准确、实时、有效的现代化交通管理。车牌号码的识别和车辆排队长度的测量是智能交通系统中的重要环节。车牌识别技术和车辆排队长度检测需要综合应用计算机视觉技术、图像处理技术和模式识别等多项技术。在充分考虑了现实生活中车辆牌的特点和图像特点的前提下提出增强K-均值聚类算法,该方法主要通过利用聚类的中心和连通性来确定图像中事物的分类完成必要分割,为实现从图像中提取多个车牌的识别做好前期准备工作。字符识别是在统计灰度值水平变化频率以及对字符所占面积进行计算的基础上得到的数据通过跟标准数据库中的数据进行比较达到识别字符的目的,方法简单准确率高。车辆排队的长度测量是利用改进过的Canny边缘检测算法,即对原算法中的计算模板进行了改进,并通过能量点的累积计算,来实现对车辆排队进行计算,用极短的时间就能完成车队长度的比较。实验采用的图像均是在自各种真实的环境拍摄取得。随机拍摄场合包括停车场、道路、小区。实验结果表明,这样方法能很好的分辨出车牌的字符和车辆的排队长度,具有很好的鲁棒性,有着良好的实用价值。