现如今车牌识别技术已经成为智能交通的研究热点,车牌识别系统的应用日益广泛。本文对车牌识别系统的四大组成部分：车辆图像预处理、车牌定位、车牌字符分割和车牌字符识别分别做了详细介绍。车牌字符识别率是衡量车牌识别系统性能的重要指标,其中车牌相似字符识别是影响车牌识别系统识别率的关键因素。本文重点研究了车牌字符识别,提出一种新的基于分阶的BP和CNN车牌字符识别方法,将车牌识别过程分为两个阶段进行。第一阶段用BP神经网络将分割出来的车牌字符图像进行分类,分成汉字字符、非相似字母、非相似数字、相似字母和数字。根据标准中国车牌的字符规范,常见的相似字母和数字有：0、D、Q、U、8、B、3、2、Z、5、S、C和G共13个,除去这13个相似字母和数字,其余字母和数字均归为非相似字符。对于汉字、非相似字母和非相似数字直接进行BP神经网络识别,分类出的相似字母和数字进入第二阶段,进行基于改进的CNN深层神经网络进行识别。由于在现实条件下车牌图像因各种干扰因素会出现字符断裂和污点遮挡等情况。CNN神经网络很好的结合了局部感受野、空间亚采样和权值共享三种结构思想,具有位移、尺度和一定程度的形变不变性,表现出较好的畸变容错力；而且CNN与一般神经网络相比有网络拓扑结构吻合能力强、模式分类效率高和训练参数少的特点,故在车牌字符识别的第二阶段相似字符识别采用CNN深层神经网络识别。针对相似字母和数字的特点,对CNN深层神经网络进行了增加隐层和修改参数。基于MATLAB平台,实现了车牌识别功能,实验结果表明改进的CNN深层神经网络对车牌相似字符的识别率明显提高,车牌识别系统的整体识别率有较大改善。