隨著信息時代的到來，現代智能交通系統能夠很輕易的識別出汽車牌照，這是智能交通管理的標志之一。智能交通管理系統的牌照識別集合了圖像采集和預處理、車牌定位技術、字符分割和字符識別等相關技術。其中，車牌定位、字符分割和字符識別是關鍵的技術，也是本次畢業(yè)設計的難點所在。正確利用好這三種關鍵技術，將有助于牌照識別的實時性和準確性，對于智能交通系統的實現有著決定性作用。在MATLAB軟件開發(fā)環(huán)境下，系統對圖像進行預處理、然后將預處理后的圖像進行定位分割，后識別出相應牌照上的字符，這樣就可以模擬設計出汽車牌照識別系統。本文的圖像預處理模塊是將圖像灰度化和用Canny算子進行邊緣檢測，汽車牌照定位依據是它的顏色特征，使用MATLAB中的Radon函數和Imrotate函數來進行車牌矯正；分割字符時，需要先找到連續(xù)的文字塊，然后根據長度大小來確定是否分割，假如所找到的連續(xù)文字塊的長度大于閾值，那么就表示可以對此文字塊進行分割。并且為了能對車牌上的字符進行正確的識別，本文將采用BP神經網絡算法。后設計GUI界面，使界面更加簡潔明了，便于操作。根據實驗得出的結論，這種方式可以對藍色的車牌進行、的識別，同時，也對光照、旋轉和噪聲表現出很好的魯棒性，定位精度和識別正確率甚至可以超過90%。

車輛檢測可以采用埋地線圈檢測、紅外檢測、雷達檢測技術、視頻檢測等多種方式。采用視頻檢測可以避免破壞路面、不必附加外部檢測設備、不需觸發(fā)位置、節(jié)省開支，而且更適合移動式、便攜式應用的要求。
系統進行視頻車輛檢測，需要具備很高的處理速度并采用好的算法，在基本不丟幀的情況下實現圖像采集、處理。若處理速度慢，則導致丟幀，使系統無法檢測到行駛速度較快的車輛，同時也難以在有利于識別的位置開始識別處理，影響系統識別率。因此，將視頻車輛檢測與牌照自動識別相結合具備技術難度。

隨著經濟的發(fā)展，中小城市機動車增長迅速，非機動車在原有的基數上穩(wěn)步上升，新型的車種不斷增加，城市停車位缺口大，配建停車位嚴重不足，造成停車位的短缺。另外停車場規(guī)劃不合理，大多停車場泊車位沒按照規(guī)劃設置，地方大的場地泊車位多，有閑置現象，泊車位沒有得到充分利用。而場地小的地方因停車位少而泊車緊張。
車牌識別系統是指能夠檢測到受路面的車輛并自動提取車輛牌照信息（含漢字字符、英文字母、阿拉伯數字及號牌顏色）進行處理的技術。識別是現代智能交通系統中的重要組成部分之一，應用十分廣泛。它以數字圖像處理、模式識別、計算機視覺等技術為基礎，對攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到每一輛汽車的號碼，從而完成識別過程。通過一些后續(xù)處理手段可以實現停車場收費管理，交通流量控制指標測量，車輛定位，汽車防盜，高速公路超速自動化、闖紅燈電子、公路收費站等等功能。對于維護交通安全和城市，防止交通堵塞，實現交通自動化管理有著現實的意義。