智能交通是当前交通管理发展的主要方向，汽车牌照自动识别技术是智能交通系统的核心，是目前交通部门十分重视的科研项目之一。 车牌识别是一项涉及数字图像处理、计算机视觉、模式识别等多学科的技术，它在交通监督和控制中占有很重要的地位，已成为现代交通工程领域中研究的重点和热点之一。该项技术应用前景广泛，例如在闯红灯自动抓拍系统等中的应用。 车牌识别一般可以分为车牌的定位、牌照上的字符分割和字符识别三个主要部分。本文研究了进行车牌识别的关键技术，在分析近年来一些典型的车牌识别算法的基础上，最终确定一系列有效的算法对车牌进行识别。 本文的处理对象为YTZPX系列机动车辆闯红灯自动抓拍系统所抓拍到的近景彩色车辆照片，任务是完成车牌定位和字符的分割与识别。整个系统包括视频采集和传输系统的设计、汽车图像的预处理、汽车牌照定位、车牌字符分割和字符识别五个部分。 视频采集和传输系统的设计，是基于ARM处理器与嵌入式linux操作系统的，对YTZPX系列机动车辆闯红灯自动抓拍系统的改进，旨在降低该系统的成本和提高该系统的性能。 在图像预处理模块中，在对抓拍系统获取的照片特点进行分析的基础上，制定了相应的图像预处理的方案，采用相应的方法来消除或减轻天气和光线等因素对图像质量的影响。 在车牌定位模块中，根据车牌自身的纹理特点，采用了移差扫描的方法消除车辆本身和背景的干扰，从而突出车牌上字符的竖直纹理边缘，为后续处理做好准备。 在字符分割模块中，对于预处理后比较规则的车牌图像，使用常用的垂直投影法对字符进行分割，对于预处理结果不理想的车牌，比如车牌二值化后，存在字符的断裂、交叠等情况，本文对这样的字符的分割方法做出了更进一步的讨论，并提出了自己的观点。 在字符识别模块中，使用了常规的Bp神经网络的方法，因为神经网络具有优异的分类性能，能准确的把众多的字符准确的分类。