作为未来监控发展的方向，智能视频技术不仅是一种图像数字监控分析技术，而且还是一种更为高端的数字视频网络监控应用，从而被行业称之为第四代视频监控技术，是视频监控领域最前沿的应用模式之一。基于海思平台的智能视频车牌识别技术，将车辆的行驶行为作为分析对象，通过自动辨别车辆行为、捕捉车辆图片为后端平台应用系统挖掘准确而有效的车辆行为管理原始数据，有效地规范车辆行驶秩序，并对违法行为进行自动取证。在现有的社会环境下，它具有优秀的应用潜力与广阔的应用空间。近年来，对智能视频车牌识别技术的研究已成为一个热点问题。论文首先分析智能视频监控算法的研究现状，重点选取了智能车牌识别算法作为研究方向。论述了智能车牌系统中的四个模块——车辆图像预处理、车牌区域定位、车牌字符分割与车牌字符识别；在华为Hi3515平台上设计并实现了车牌识别系统。为了提高系统的鲁棒性和环境适应性，本文在学习现有研究成果的基础上，仔细分析四个模块设计中的重点与难点，将数字图像处理的相关理论与实际应用情况相结合，提出相应的解决方案。在图像预处理模块设计中，本文阐述了车辆图像的增强技术，采用彩色图像灰度化、灰度拉伸、直方图均衡化、中值滤波、Roberts边缘检测和迭代阈值法的二值化等预处理算法。在车牌区域定位模块中，根据车牌区域灰度变化比较频繁，与实际拍摄车辆图像中车牌字符与图像背景灰度对比度较大的特点，提出了一种基于边缘梯度的窗口搜索车牌定位算法对车牌区域进行定位，利用车牌的投影特征与铆钉特征对定位出的车牌区域进行验证，在一定程度上提高了车牌区域定位的精确度，为后续的车牌字符分割与识别奠定了坚实的基础。在车牌的字符分割模块中，根据车牌字符的特征，采用了基于字符模板的分割算法对字符进行分割，并依据字符包络和字符二值图像垂直投影同时出现波谷的特点对粘连字符进行处理，有效地克服了车牌上下、左右边框及字符粘连等噪声的干扰，提高了分割质量，使此算法具有很好的鲁棒性。在车牌字符识别方面，参照目前的研究现状，本文采用了改进的BP神经网络技术，在提高了字符识别准确率的同时，又增强了系统的稳定性。本文中的算法已在Hi3515的视频监控平台上实现并运行成功。实验结果表明，整个系统的算法简单、复杂度低，具有较强的鲁棒性和环境适应性，在物联网安防、智能交通以及安防监控等领域具有实际的应用价值。