近年来,我国的城市轨道交通系统及其基础设施建设正在迅猛发展。车号作为车辆的唯一标志信息,它的正确又高效的识别是实现城市轨道智慧交通系统的重要一步。目前的城轨列车车号识别技术大多依赖RFID技术,该车号识别系统由两部分组成:安装在列车底部的电子标签以及地面的读取设备。虽然该车号识别系统已经得到了认可与广泛的应用,但它依旧具有标签易脱落损坏、丢失车号风险大、维护流程复杂等缺点。因此,研究安装方便、易于维护、识别效率及准确率高的车号识别系统具有重大的意义。本文结合地铁相关部门对车号识别系统的需求与现场实际环境,搭建了一套集图像采集与图像处理于一体的车号识别系统,研究了相关车号图片定位、校正、分割与识别算法,以实现车号的自动化识别。首先,确定了车号识别系统的总体设计方案,包括系统需求与设计目标、系统组成及工作原理。介绍了系统硬件的功能模块,对硬件选型进行说明,利用相机SDK编写采集软件,利用相关开发工具研究图像处理算法。其次,对于城轨列车在室内运行中可能因光照影响,拍摄到的图片中车号与车身对比度不高,直接用这些图像进行车号定位与分析难度较大。针对此问题,本文提出一种基于亮度控制的SSR改进算法对过暗、对比度不高的图片进行图像增强,方便后续的图像处理。随后,对列车车号定位算法进行研究,提出了加速稳健特征算法（SURF）与笔画宽度变换（SWT）相结合的车号定位算法,并且对SWT做出一定改进。该方法使用SURF算法对车号字符候选区域进行提取,由于存在误配准的情况,车号无法完全根据配准结果定位。后续利用SWT算法对这些车号区域进行分析从而实现车号的精确提取。实验结果表明,该方法在光照不均匀、车号畸变程度较大等复杂环境下定位的准确率达到了96.65%。最后,对列车车号的分割与识别方法进行研究。在对列车车号进行分割前,由于拍摄角度的影响,部分车号可能因为倾斜与畸变而无法正常分割,因此,对于车号图像进行矫正是十分必要的。本文对于SWT选中的车号位置进行TILT校正操作。随后对车号进行字符分割;在车号字符识别任务中,使用训练好的基于VGG-16的卷积神经网络（CNN）对车号字符进行识别,完成列车车号的自动化识别。