本文针对卡口、监控采集的车辆图像存在倾斜现象,导致准确的车牌定位困难、中文字符分割不准、中文字符识别率不高的问题,提出了在倾斜条件下能够准确定位的改进的车牌定位算法、基于“城市字符”的中文字符分割算法、不同位置字符采用不同的网络模型进行字符识别的算法,并运用算法的时间复杂度、空间复杂度、多个对比实验验证本文提出的算法的合理性与准确性,可以有效解决上述问题。首先,本文提出使用多次迭代的均值模糊算法进行图像平滑处理,去除大量的噪声污染,为进一步的定位操作节省时间,通过该算法的预处理之后,使用改进的AdaBoost算法进行车牌定位操作,运用LBP特征代替传统的HOG特征、Haar特征,运用多次实验对比证明运用多次迭代的均值模糊算法的性能优于传统高斯模糊算法、运用LBP特征提取的改进算法的定位率优于传统的特征,定位完毕之后使用改进的尺寸判断算法与角度判断算法的融合算法处理倾斜现象。其次,在车牌字符的分割模块中,运用基于“特殊位置”的改进中文字符分割算法来获得中文字符的位置,并使其具有清晰准确的外界矩形,能够准确的分割中文字符,不会存在汉字字符的部首断裂、字符粘连现象,影响字符分割的效果,同时使用改进算法处理多余缝隙、铆钉等装饰物对字符分割的影响。最后,针对车牌中不同位置的字符分别采用不同的网络模型进行字符识别,车牌中的第一个字符使用SVM算法训练获得汉字网络模型,第二个字符使用BP神经网络算法训练获得的字母网络模型,剩余字符使用字母、数字混合的网络模型,并通过三组实验验证本文提出的改进的字符识别算法优于独立使用传统神经网络算法与SVM算法,测试了系统的整体定位率、识别时间、汉字准确率,均比传统的算法的各个指标优异,具有很高的现实意义与社会价值。