智能交通系统已经走进人们的生活,它广泛应用于收费站、停车场等诸多场景之中。车牌识别作为其中最为重要的部分成为一个研究热点,许多专家学者提出了优秀的识别算法。目前车牌识别技术已经相当成熟,对清晰车牌有着较高的识别率,但是一旦图像质量有所下降,识别率将会大大降低。车牌识别系统主要分为三大部分:车辆检测,车牌获取和字符识别。本文将对此展开深入研究。车辆检测部分,研究高效率的车辆检测算法。本文采用基于卷积神经网络的车辆检测算法,实现了从原始视频图片中自动截取并保存车辆图片,极大的降低了训练样本的获取成本。车牌获取部分,研究了图像灰度化,直方图均衡化,去均值以及车牌倾斜校正等预处理操作,通过预处理可以降低干扰因素,突出车牌有用信息,便于后续的识别。该车牌获取器可以方便快捷的从车辆图片中截取高质量的车牌图片。车牌算法的识别结果对于手动标点情况过于敏感,标点位置偏差极大的降低了车牌分割和识别效果。本文研究了两套标点优化算法,根据用户标点和图像信息,算法自动矫正车牌标点,进一步提高车牌的分割效果,最终提高车牌识别率和识别结果稳定性。车牌字符识别部分,研究了多帧字符识别算法。对于数字字母车牌字符,先通过稀疏自编码器提取字符的稀疏特征,再由支持向量机完成识别工作。对于中文字符,则通过费希尔判别准则的字典学习提取字符的残差信息,再利用softmax完成中文字符的识别。不同于常见的单帧车牌识别算法,本文利用车牌在监控视频不同帧中的多张图片共同参与识别,充分利用多帧图像间的相对信息和自身的图像信息。在单帧车牌识别的基础上设计两套多帧识别算法,分别为结果融合型多帧识别算法和特征融合型多帧识别算法。试验结果表明多帧识别对于较模糊车牌有着更高的识别率。