车牌识别技术是智能交通系统的重要组成部分。车牌识别技术是一项涉及到多个领域的技术,其中包括数据挖掘、计算机视觉、模式识别、人工智能、自动化、数字图像处理等。车牌识别技术在交通监视和控制中占有非常重要的地位,车牌识别技术已经成为现代交通工程领域中研究的重点和热点问题之一,并且在实际生产生活中,车牌自动识别系统已经大量投入使用,但是,每天通过道路交通网的摄像机所获取的车牌自动识别数据(ANPR),其数据量是非常巨大的,怎样能够高效、准确的从海量的数据中提取出我们感兴趣的数据信息,即行为异常、可疑的车辆车牌号等相关信息,并对车辆进行跟踪,进行进一步的检测分析,帮助警方侦查相关可疑的犯罪活动,是当前车辆行为跟踪检测分析中的一个重点研究领域,同时也是一个难点研究领域。基于从多个公路网的多个摄像机所获取的ANPR数据,本文针对如何从海量的ANPR数据中快速、准确的提取出行为异常、可疑的车辆车牌号等相关信息,并充分利用车辆数据的可利用性和敏感性,对该问题进行了系统的研究,并提出了一种基于Benford定律和模糊聚类的车辆行为跟踪检测分析方法。采用数据挖掘技术,首先过滤ANPR数据,删除行为正常的车辆信息,该过程有助于减少每天所获得的大约200,000条ANPR数据的98%；其次,对剩下的数据运用一个排序算法来进行车辆行为跟踪检测。本文提出的方法可以在海量的ANPR数据中分析和发现异常的车辆行为。运用数据聚类技术从ANPR数据中提取相关信息,用于检测和识别异常的车辆行为跟踪检测。本文最后介绍了一个利用警方提供的ANPR数据、以车牌识别技术为基础的集成系统,用于从海量的车辆识别信息中挖掘出呈现异常的可疑车辆行为跟踪,可用于协助警方侦查。在英国Surrey警方提供的ANPR数据上所做的实验,强有力的证明了所提出的算法的可行性和精确性。