车牌作为当前机动车的唯一可视标识，车牌识别已是智能交通的首要解决的问题。当前车牌识别已广泛应用到道路交通监控、智能停车场管理、高速公路自动收费、小区智能交通控制系统等。市场上车牌识别的应用产品层出不穷，产品的品质也各有千秋。当前车牌识别应用系统的主要问题：各类系统的车牌识别准确率难以保证、各类车牌识别应用系统的开发和运营维护成本很高、各类车牌识别应用系统的功能和设备重复建设、各类系统的车牌识别应用系统的数据处于信息孤岛状态难以再挖掘再利用。　　为了解决上述问题，本课题研究以下内容：　　本课题首先研究了车牌识别中的两个关键技术即基于混合策略边缘检测的车牌区域定位技术和基于BP神经网络的污损车牌字符识别技术，从而提高一般环境下车牌识别算法的准确率；　　然后，本课题研究建立统一的基于SOA的车牌识别服务框架，为各种平台上各类涉及车牌识别的应用系统提供统一的车牌识别服务，从而整合全行业车牌识别的算法和开发难度、提高全行业车牌识别的准确率；　　最后，本课题研究建立基于SaaS模式的车牌识别应用平台，将各类涉及车牌识别的应用系统的业务功能模块化、可定制化，并建立统一的运行平台，从而大大降低各类车牌识别应用系统的开发和运行成本、并提高各类车牌识别应用系统的开发效率和产品质量、也为进一步数据共享与大数据分析提供支持。　　本课题的研究将有效降低各类车牌识别应用的开发难度、有效促进各类车牌识别应用的快速部署、并有效推进智能交通在更大范围内的应用深度。