现有的交通路口智能监控系统对于雾霾等恶劣天气的影响并没有很好的应对方法,使得交通路口的智能监控系统在有雾霾等恶劣天气的情况下无法很好地检测违章车辆并对车牌进行识别。而且,智能监控系统在对于违章车辆检测、异常行为识别以及车牌识别上,缺乏一套完整的框架体系,并在整体的检测精度上有待提高。针对雾霾等恶劣天气下的车牌识别系统存在的问题,对去除雾霾以及融入车辆违章行为检测的车牌识别方面进行了重点研究,构建了雾霾天气下的车牌识别系统,可有效地应对雾霾天气所带来的不良影响。首先,针对实际应用需求,探究去除雾霾和车牌识别的研究意义和研究背景,分析国内外去除雾霾和车牌识别的现状,分析了相关技术,总结出当前国内外去除雾霾和车牌识别存在的问题,针对总结出的问题,制定相关研究内容,并分析在实现相关研究内容过程中所应用到的相关技术。其次,总结了去除雾霾技术特征,分析了大气散射模型,确定去除雾霾的关键因素,基于深度学习理论,确定卷积层、池化层及非线性回归层之间的映射关系,搭建用于去除雾霾的深度卷积神经网络,构造训练样本集和目标函数,提出了去除雾霾的方法。再次,设计了融入车辆违章检测的车牌识别中的关键步骤,描述了技术原理,基于深度卷积神经网络实现了车辆目标的检测,基于卡尔曼滤波算法对检测到的车辆目标进行目标跟踪,基于SVM的思想来实现车辆违章行为识别。对识别到的违章车辆,通过双步车牌定位方法以及字符分割和字符识别的联合车牌识别法实现车牌识别工作,从而完成最终的融入车辆违章检测的车牌识别任务。最后,对所提出去除雾霾和车牌识别的相关方法和技术进行了实验验证,测试了深度卷积神经网络层数对于去除雾霾效果的影响,并和已有的去除雾霾方法进行比较。建立了车辆检测与车牌识别的数据库,实施了融入车辆违章监测的车牌识别过程,说明了车辆检测的实时性和准确率。