车牌识别是智能交通中关键技术之一。车牌识别系统一般包括车辆图像采集、车牌定位,字符分割和字符识别四个模块。针对目前车牌识别技术存在的一些问题,着重研究了车牌识别的各项关键技术,在分析了近年来一些典型的车牌识别算法的基础上,最终确定一系列有效的算法对车牌进行识别。车牌图像采集系统的研究,首先概要介绍了目前运动目标检测与跟踪的一些常用方法包括基于光流场的方法、基于帧间差分的方法和基于背景建模的方法,并对各种方法进行了比较,讨论其优缺点及适用范围。通过对这些方法的分析比较,采用背景差分的方法检测运动车辆。在静态背景运动检测中利用背景建模的方法,实现了一个在静止摄像机下的运动检测系统。在车牌定位方面,分析比较了基于边缘检测的方法,基于神经网络的方法,基于灰度特征的方法,以及基于颜色特征的多种车牌定位的方法。并提出了以车牌大小为先验知识的基于垂直边缘检测的车牌定位方法。在字符分割方面,分析了牌照图像二值化与标准归一化以及几何校正的各种算法。最后采用投影法,并借助牌照字符固定宽度、间距的固定比例关系等先验知识实现字符的分割。在字符识别方面,分析比较了常用的字符识别方法。在此基础上详细分析基于BP神经网络的识别方法,对BP神经网络收敛速度慢且容易陷入局部极小点的缺陷进行改进。实验结果证明,本文采用的方法是有效的,车牌定位率、字符分割率、识别率均达到90%以上。