我国在2009年成为世界第一大汽车产销国,伴随着国内经济的高速发展,国内车辆保有量直线上升,截止至2014年低,我国汽车保有量已经达到1.54亿辆,小型载客汽车达到了1.17亿辆,这使得交通问题日益严重,发展智能交通系统成为十分迫切的需求。车牌识别是其中至关重要的一环,它可以应用于交通系统的各个领域,帮助处理各类问题。车牌包括汉字、字母和数字,相对于字母和数字来说,汉字的结构复杂,因此汉字识别时车牌识别中的重点和难点。近些年来,国内的研究人员提出了不少方法对车牌进行识别,对于成像质量较好的车牌图像,汉字识别率已经达到了一个非常高的水准,但是对于污损和模糊等状态的车牌图像,识别率仍需提高。本文针对车牌拍摄等问题造成成像质量不高等问题进行以下工作,车牌汉字的归一化处理;采用投影法对车牌汉字进行粗分类;由于BP神经网络具有较强的抗干扰能力和自学习能力,使用改进的BP神经网络对已经进行粗分类的汉字进行识别能取得更好的效果。并与传统方法进行对比,可以得到采用改进的BP神经网络设计的车牌汉字识别器具有更好的识别率和抗干扰能力。