随着经济的迅猛发展和人民生活水平的提高，车辆的普及成为当今社会的一种必然趋势，智能交通系统也应运而生，有效缓解了交通控制和车辆管理中的难题。车牌识别LPR(License Plate Recognition)集成了计算机视觉、图像处理、模式识别等技术，是智能交通系统的重要组成部分，实现了全天性对道路上过往机动车的监控。车牌识别主要由车牌定位、倾斜校正、字符分割及字符识别四部分组成。本文在车牌定位环节结合车牌固有颜色特征，提出在HSV彩色模型空间中基于目标颜色对边缘检测及综合特征的车牌定位方法，降低了工程应用中拍摄角度和复杂背景对车牌定位的不良影响，经验证本文算法的定位率为93.1%。倾斜校正是提高车牌字符分割效果的有效途径，为此，本文在旋转投影的基础上加以改进，得出了一种基于投影坐标方差最小的校正倾斜车牌的方法，并且在水平倾斜校正环节，将边缘检测加入到该算法当中，在不降低校正精度的前提下提高了校正速率。为增加垂直倾斜校正的准确性，在完成水平校正后增加去除车牌边框干扰的环节。该方法的精确度和算法复杂性方面在工程应用中均具有较大的优势。接着利用车牌字符具有连通性和其垂直投影具有波峰、波谷交替出现的分布特点对字符进行粗分割和二次精细切分。字符识别部分，综合分析了基于模板匹配、特征统计、神经网络的字符识别算法，深入研究了BP神经网络分类器的特点，采用BP神经网络的多分类器来进行车牌字符的识别，汉字网络、字母网络、字母数字网络的识别率分别为91.3%、94.6%和93.8%。应用上述算法对现场采集到的260个车牌图像进行测试，能够识别235个车牌，识别率约为90.4%。