车牌识别作为智能交通中一个的重要组成部分，逐渐成为越来越多的科研机构和企业单位的研究热点。然而，车牌图像场景复杂，图像干扰较多，而现阶段大多数的研究成果应用场景较为单一，识别的效果和性能还有待改善。并且，传统的识别系统都基于固定的桌面平台，图像采集不灵活，而移动平台上的车牌识别研究刚刚起步。因此，基于移动平台的车牌识别还有很多问题需要进一步的研究探讨。本文对车牌字符图像的识别进行了深入研究，提出了一种适宜于移动平台的车牌字符识别方法，该方法提取字符图像的特征参数作为输入，并使用RBF神经网络作为识别分类器。在图像特征提取方面，采用了容错性较强的网格特征和投影特征结合的特征参数。在字符识别方面，采用了局部特性较好的RBF神经网络，RBF网络不会陷入局部极小值，容错性高，网络的训练则使用正交最小二乘方法（OLS），该方法可使网络具有较小的规模和较快的收敛速度。另外，本文在Android平台上对以上研究内容进行了实现,开发了一套可供实际使用的车牌字符识别系统。该系统建立4个RBF神经网络，并通过移动终端的摄像头采集车牌图像，从图像中提取出特征参数输入到神经网络中进行分类识别。经过测试，系统能运行在安装Android操作系统的多个移动终端上，系统的响应速度满足使用要求。最后，本文对所研究内容的不足和下一步发展的方向给出了自己的意见。