随着我国汽车数量的迅猛增加，城市交通状况不断恶化，为了加强对机动车辆的管理，改善城市交通状况，建立信息化的智能交通系统就显得尤为重要。车牌号码作为每一辆机动车独一无二的标志，实现对车牌号码的自动识别，对机动车的管理有重要的意义，是智能交通重要组成部分。车牌识别系统可以应用于道路收费、电子警察、车辆流量检测以及停车场监控与管理等领域，具有巨大的经济价值和现实意义。　　在车牌定位中，本文应用了三种算法进行试验。一种是通过连接水平方向距离较近的点来得到纹理丰富的区域，再通过长度较大的水平方向边缘曲线等特征来精确定位车牌;一种是通过对大量车牌进行颜色赢方图的统计，得到车牌4种颜色的范围，再通过基于颜色信息的多阈值化方法来定位车牌;一种是基于Haar分类器的车牌定位算法。通过大量测试，对比了三种算法的优缺点。　　在车牌倾斜校正中，提出了一种基于曲线拟合的车牌水平方向倾斜校正算法。该算法搜寻车牌Canny边缘图中水平方向最长的连通曲线，采用最小二乘法拟合该曲线来确定车牌的倾斜角度，再通过仿射变换校正车牌，该算法复杂度低，无需旋转图片或者坐标系，仅需遍历一遍图像。　　在字符分割阶段，提出了一种基于车牌字符尺寸信息的迭代自组织的字符分割算法。该算法在预处理中通过连通域分析来排除铆钉、车牌边框的影响，再根据垂直投影直方图对车牌二值图进行粗分割，然后根据车牌尺寸信息对粗分割结果中较大的区域进行分裂处理，对宽度小、与邻近区域近的区域进行合并处理，直到达到分割要求为止，该算法对于存在字符粘连的车牌也能有效处理，取得了较好的分割效果。　　最后，本文总结了字符识别中常用的字符特征提取方法，采用BP神经网络构造了汉字分类器、字母分类器、数字分类器，对BP神经网络中隐藏层节点数等核心问题进行了探索，对BP神经网络分类器的识别结果进行了分析。　　实验表明，本文提出的算法具有一定的实用价值和借鉴价值。