目前大部分车牌识别系统是基于传统PC平台实现,性能要求较高且场景适用性不强,另外在算法实现方面,基于深度学习和神经网络的车牌识别方法存在结构复杂、训练运算工作量大等缺陷。本文从系统自适应性、算法集成度与国产化趋势以及系统处理速度与功耗等方面进行研究,提出了一种基于FPGA+ARM的车牌识别系统,充分利用FPGA硬件并行加速和ARM处理器适于流程控制的优势,采用软硬件协同的方式设计实现了车牌识别系统。车牌识别系统主要包括图像采集、图像预处理、车牌定位、字符分割和字符识别。车牌定位是车牌识别系统中的关键算法,本文在分析了经典定位算法的基础上,提出了改进的边缘检测和颜色特征的定位方法,先通过车牌颜色和形态学处理实现车牌粗定位,再对车牌进行边缘检测后提取车牌区域。字符分割采用垂直投影和车牌先验知识相结合的方法,先对车牌图像预处理去除车牌边框和铆钉,再通过投影算法实现字符分割。针对车牌字符识别算法,本文在传统模板匹配法基础上进行改进,结合数字特征和字符网格特征,综合多种特征识别的优势来进行识别处理,提高了字符识别的准确率。在改进车牌识别算法的仿真验证之后,利用FPGA流水线和并行处理的优势,对车牌识别关键算法进行设计与优化。本系统以Xilinx公司的ZYNQ开发板为硬件平台,验证了车牌识别硬件并行处理的功能模块。实验表明,采用并行处理硬件方案实现的车牌识别系统运行时间较短,正常情况下对车牌识别的效果良好,准确率较高,具有低成本、低功耗、可移植的优势。