新世纪以来,人工智能技术发展迅速,不断改变着社会生产和人民生活的方式,其中典型的便是车牌识别技术。车牌识别技术首先采集车牌图像,通过专门的图像处理系统处理后抽取目标特征,获得识别结果,该技术目前广泛应用在交通管理、警务管理、智能小区管理、自动化收费等领域。与此同时,车牌识别技术面临新的挑战。近年来新能源汽车逐渐普及,但新能源汽车车牌在车牌大小、车牌底色和字符数量上都与传统车牌有着显著的不同,车牌识别系统需要可以统一识别混合车牌;同时随着车牌识别算法复杂度的增加和图像分辨率的提高,单独的处理器系统完成识别任务愈加艰难,所以需要基于软硬件协同技术将车牌识别算法分别部署在处理器系统和可编程逻辑资源上,实现算法的硬件加速,构建性能更加的车牌识别系统。本文首先总体介绍了车牌识别系统的工作流程和原理,将车牌识别系统分为图像采集、图像预处理、车牌定位、字符分割、字符识别和结果输出6个模块;同时介绍了软硬件协同设计方法,着重说明了软硬件模块划分原则。以此为基础,通过分析车牌识别系统中不同模块的特点,为图像预处理模块和字符识别模块采用硬件设计,为车牌定位模块和字符分割模块采用软件设计。基于软硬件划分结果,使用AXI总线实现PS与PL互联,构建了车牌识别SoC系统的整体架构。车牌识别SoC系统中的硬件设计模块,基于Verilog进行RTL级电路设计。其中图像预处理模块基于深度流水线思想,实现了灰度处理、中值滤波、图像增强和二值化处理的电路设计;字符识别模块基于卷积神经网络硬件加速器实现,汉字和数字字母采用网络参数不同网络结构相同的改进的Le Net-5神经网络进行识别,完成了卷积层、池化层、全连接层和分类器的电路实现。车牌识别SoC系统中的软件设计模块,基于嵌入式Linux系统运行Open CV函数库实现。其中车牌定位模块首先将车牌图像划分成不同的连通域,然后通过先验知识实现车牌区域提取,最后通过车牌倾斜校正和边界定位得到只含有字符信息的车牌图像;字符分割模块首先通过区分车牌类型,然后对混合车牌采用不同的模板进行字符分割,并通过评估分割效果进而调整字符边界,最后将单个字符图像标准化到32x32大小。最后基于Zedboard硬件开发平台搭建了车牌识别SoC系统,采用600张不同种类的车牌测试样本进行功能测试和性能测试,功能测试结果证明车牌识别SoC系统可以完成混合车牌的统一识别任务,性能测试结果表明车牌识别SoC系统在图片分辨率较佳,小角度倾斜的车牌识别时正确率较高,系统运行时间比纯软件实现时减少50%以上,最终车牌识别SoC系统的识别准确率为95.1%,识别时间为0.821s,满足项目要求。