随着经济全球化的不断发展,机动车的数量与日俱增,随之而来的是交通阻塞、尾气污染、噪声污染、交通事故频发等问题。智能交通系统的诞生为全方位高效管理现代交通带来了希望,车牌识别系统是其重要分支之一,在实际应用中发挥着不可替代的作用。车牌识别技术是指通过监控系统拍摄的视频实时的将路面上动态行驶的车辆提取出来并自动识别车辆牌照信息的一种技术。一般车牌识别系统分为三个部分,第一部分是车牌定位,是将车牌区域从图像中定位出来。第二部分是字符分割,是将每个字符区域从车牌区域中提取出来。第三部分是字符识别,是将每个字符进行正确分类。传统的车牌识别大多数是对某一张特定图像进行识别,识别准确率和可靠性不高。本课题强调车辆追踪在车牌识别当中的重要性,弥补了识别可靠性不足的缺点。本课题主要工作包括:1.在车牌定位阶段,先采用改进的边缘检测方法进行初步定位,有效地解决了边缘检测对于噪声敏感的问题。然后采用Ada Boost方法进行精确定位,对候选车牌区域进行筛查,明显减少了Haar-like特征繁重的计算任务。这种先初步定位再精确定位的方式能同时提高定位的准确率和实时性。2.在字符分割阶段,采用连通区域与垂直投影相互结合利弊互补的方法进行字符分割,减小使用单一分割方法时产生的分割误差。两种方法互相优势互补,使得对单一字符的分割效果更好。3.在字符识别阶段,为了加强对结构上相似的字符的识别,本课题提出了使用两级分类器进行分类的方法。第一级采用基于欧拉数的模板匹配方法,第二级采用局部特征识别的方法,两级分类器方法改进了传统的模板匹配方法,识别效率更高,对结构相似的字符有更好的识别效果。4.提出一种简单的投票机制。将同一辆车的识别结果采用一种简单的“少数服从多数”的投票方式进行最终判断,给出最后的识别结果。通过实验对各阶段提出的方法进行最终测试和验证,实验结果表明基于车辆追踪的车牌识别算法能有效提高车牌识别的准确率,且准确率的可靠性更强。