随着国民经济的飞速发展,汽车的数量急剧增加,城市交通管理现代化水平的提高势在必行。汽车牌照识别系统作为智能交通系统中的重要部分,被广泛应用于智能停车场管理、违规车辆的识别、被盗车辆的检测等领域。该系统能大大提高智能化管理水平、减少人力物力,在高速公路、城市道路和停车场等项目管理中具有不可取代的地位。车牌定位技术是车牌识别系统的关键。在实际应用中,车牌图像通常是在自然场景中被采集的,图像的内容和质量会受到很多因素的影响,如天气变化因素(雨、雪)、光照变化因素(阳光直射、反射,白天、夜间等)、车牌污损以及图像采集现场不同的景物背景等因素,现有的车牌定位方法还有待进一步的完善。本文提出了把车牌定位问题转化成识别问题,用分类的方法实现车牌的定位。针对本文汽车图像包含白天、夜间等不同光照条件的情况,我选用能够抗光照的特征——SIFT特征,来减少光照对正确定位车牌的影响,以便更好的提高定位的准确率。本文还通过提取三种特征,分别训练三个独立的支持向量机分类器的方法,最大程度的区分正负两类样本图像,提高分类算法的鲁棒性。通过对本文采用的数据进行多种车牌定位方法的实验对比,本文提出的算法具有定位的准确率高和速度快的优越性。可以说,本文的算法具有鲁棒性和对光照的适应性,还具有实时性。