随着中国经济的飞速发展,国内很多城市交通拥堵已经成为了一种常见现象,特别是假日旅游时,交通拥堵,车祸频发。随着城市数字化发展,无人驾驶技术的提出,智能交通系统也应运而生,用机器视觉代替人眼视觉,不仅可以提高工作效率、降低劳动强度,更可以节省大量的人力、物力、财力,使城市交通更加智能地发展。本文研究了车辆在高速行驶时、以及在夜晚昏暗灯光下等复杂条件下的车牌字符识别,通过维纳滤波复原以及图像增强技术可以有效的将低质量图像变为符合后续实验要求的图像。车牌识别主要由车牌图像采集、车牌定位、字符分割、字符识别这四个部分组成。本文利用工业相机获取车牌图像,再用MATLAB软件进行图像预处理,采用像素点统计的方法进行车牌定位,垂直投影和模板匹配相结合的算法进行字符分割,最后提出了神经网络和模板匹配相结合的算法完成了车牌字符识别。实验证明本文的识别算法有效的提高了字符识别的准确率,并且能够在复杂条件下完成识别。