随着智能交通行业发展迅速,车牌识别系统作为智能交通领域内重要的组成部分,显得越来越重要,有着广泛的应用前景。其也是模式识别领域一直研究的热点,有着较高的理论研究价值。尽管已经有一些商用车牌识别系统,但多数受一些条件限制,例如限定的场景、光照、车牌制式。鲁棒的车牌识别系统研究有着巨大的研究潜力。本文致力于研究能够在不同场景、低质量下均能得到满意效果的,具有高鲁棒性的车牌识别关键算法,对车牌识别技术进行了研究,具体包括以下几个方面。1)车牌定位算法研究：结合国内主流车牌样式,提出了边缘增强的基于规则式的车牌定位算法。算法通过边缘特征点检测,连通区域扫描,区域分析,实现了一种准确定位车牌区域的算法。2)车牌字符分割算法研究：针对传统车牌字符分割难以解决低图像质量车牌,提出了混合车牌字符分割算法,结合了连通区域的车牌字符分割以及基于条件随机场的字符分割。基于连通区域字符分割算法普适性强,对于低图像质量车牌也能取得较高字符分割率,但是无法解决日益增多的车牌边框与车牌字符相连接的车牌,因此提出了基于条件随机场的车牌字符分割,该算法起辅助作用,这样使得车牌字符分割准率提高。3)车牌字符识别算法研究：使用SVM分类器,采用车牌字符的灰度图像特征进行识别,针对汉字、数字、字母分别训练模型,提高识别准确率。4)实现了一个完整的车牌识别系统,分别在两个不同的数据集上进行实验验证,最终取得了91.83%的车牌识别准确率,高于业内平均水平,说明本系统鲁棒性高,有着较高的实用价值。