基于BP网络的车牌识别毕业设计论文
BP神经网络在车牌识别技术中的应用研究
BP神经网络在车牌识别技术中的应用研究周龙龙，杜云,姜鹏飞（防空兵指挥学院，河南郑州，450052）摘要：在车辆牌照自动识别系统中,由于受光照条件、牌照自身清洁程度等因素影响,车牌识别系统往往达不到满意的字符识别率。
结合神经网自适应的特点，本文在特征抽取的基础上,采用BP网络进行分类,来实现单字的有效识别。
该方法算法简便,识别率高,可适用于多种高噪声环境中的印刷体字符识别。
关键词:车辆牌照;字符识别;BP网络;图像处理;引言随着科学技术的不断发展,交通管理手段正从人工管理逐步转变成自动或半自动方式,既避免了由于人工干预所带来的弊端,同时又能大大提高工作效率.目前,许多研究人员正在从事车辆自动识别系统(Automatic Velicle Identification System,AVIS)方面的研究[1].车辆自动识别系统主要分为三个步骤:(1)车牌定位,从整幅车辆图象中搜索出具有车牌特征的区域;(2)字符分割,从车牌图象中分割出单个字符;(3)字符识别,对分割出的单个字符进行识别.只有经过准确的预处理阶段(车牌定位、字符分割),得到分割正确的单个字符,识别率才有保障.近年来,神经网络在许多领域中得到应用[4],利用神经网络自适应的特点,本文使用BP神经网络进行初级字符分类,再用线性感知器进行次级分类。
在实验室环境中获得较高的识别率,应用此方法对于高噪声环境下规则字符的识别将会有很大帮助。
1车牌照定位与切分1.1 车牌的特点现在的牌照有四种类型:(1)小功率汽车所用的蓝底白字牌照;(2)大功率汽车所用的黄底黑字牌照;(3)军用或警用的白底黑字、红字牌照;(4)国外驻华机构用的黑底白字牌照。
这四种牌照的长度均为45 cm,宽度为15 cm,共有字符8个。
一般民用牌照第一个字符是汉字,且是各省市的简称,如“京”、“津”、“沪”、“苏”等,第二个字符是大写英文字母,如“A”、“B”、“C”等,接着是一个点“·”,第四个字符可能是英文字母,也可能是阿拉伯数字,第五至第八个字符均为阿拉伯数字。
基于BP神经网络的车牌字符识别
字 符识 别方 法对 噪 声 不 敏感 ， 较 好 的稳 定 性． 有 但 当字符 出现 断裂 、 分缺 失 时 ， 部 识别效 果 不理 想 ．
＊ 收稿 日期 ： ０ ０ １ － ６ ２ １ — １０ 基金 项 目 ：０ ８年 宿 迁 学 院 科 研 基 金 项 目 ２０ 作者简介 ： 沈 洋 （ ９ ９） 男 ， 苏 宿迁 人 ， 教 ． １７一， 江 助
定 位 ， 符 分割 与字 符 识别 。 字
所谓 字 符识 别 即是 使 用 模 式 识 别 的技 术 在 前 面 定位 的 车 牌 图 像 中 准 确 的 识 别 出 车 牌 号 码 ， 当 前 ， 究 者对 字符 识 别 主要 采用 模 板 匹 配法 ［ 、 研 １ 统 ］
间 ， 训练 好 的神 经 网 络 可 以 很 有 效 的用 于识 别 但 字 符． 目前 ， 出并 应用 于 模 式识 别 领 域 的神 经 网 提 络模 型 己 有 近 百 种 ， 中应 用 广 泛 且 识 别 效 率 较 其 好 的有 ： Ｐ网 络 ， ｐｉｌ Ｂ Ｈｏ ｆ ｄ网络 ， ｅ ＡＲＴ 网络 等． 而 在这 些 网络 之 中 Ｂ Ｐ神 经 网络 因为 具 有 较 好 的 自 学 习能力 、 大 的分类 能 力 和 容错 能力 ， 使 用 最 强 故
为广 泛．
计模 式识 别 法［ 等 几 种识 别 方法 ． ２ ］
１ １ 符 特 征 与 图 像 库 中 的 字 符特 征相 匹配 ， 符 相 似 度 最 高 的 即 为识 别 结 果 ． 字
这 种识 别 方法 简单 、 速 ， 规 整 字 符 的识 别 率 比 快 对 较 高 ， 在 字符 变形 等 情况 下 ， 别能 力有 限． ． 但 识
车牌号码模式识别以及bp神经网络识别
XXXXXX毕业设计说明书(论文)作者: 叶超学号：XXXXXXXXXX 学院(系): 电子电气工程系专业: 电子科学与技术题目: 基于模式识别与神经网络的车牌号码识别系统设计指导者：评阅者： 2014 年 6 月温XX 讲师副教授XX本设计主要是研究了目前两大主流字符识别方案，模式识别与BP神经网络识别方案。
以MATLAB软件为平台设计系统，比较了两种字符识别方案结果的准确率，最终得出结论。
本系统主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别五个部分组成。
本文的图像预处理是将图像经过灰度化，图像增强、边缘提取二值化等操作转化成便于定位的二值化图像。
图像定位是采用基于边缘检测、形态学处理的算法，该算法定位精度高。
字符分割采用的方法是在二值化后的车牌部分寻找连续有文字的块，大于设定阈值的长度部分则切割。
最终本文将通过比较模式识别与BP神经网络识别的算法，通过结果分析得出优点与不足，并为以后的进一步研究与改进提出了意见和建议。
关键词模式识别BP神经网络识别MATLABTitle Based on pattern recognition and neural networklicense plate number recognition system designAbstractThis design aims at studying the two current main character recognitionprogram, pattern recognition and BP neural network recognition program.Based on MATLAB software platform to design systems, this design compares two character recognition program results' accuracy, finally itreaches the conclusion.The system mainly includes five parts: image acquisition, image preprocessing, license plate location, character segmentation and character recognition. Image pre-processing of the paper is the image through the gray, image enhancement, edge extraction binarization operation into easy positioning of the binary ing the character segmentation method is part of the license plate binarizationlooking after consecutive blocks with text, setting the length of the part is greater than cutting the threshold .This article will compare the final pattern recognition and BP neural network algorithm, the analysis of theresults obtained by the advantages and disadvantages.For future furtherresearch and improvement put forward opinions and suggestions.Keywords Pattern recognition BP neural network recognition MATLAB目录1绪论,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 1 1.1课题背景及意义,,,,,,,,,,,,,,,,,,,,,,,,, 1 1.2课题设计任务,,,,,,,,,,,,,,,,,,,,,,,,,, 3 1.3本文的章节安排,,,,,,,,,,,,,,,,,,,,,,,,, 3 2系统方案论证,,,,,,,,,,,,,,,,,,,,,,,,,,, 4 2.1软件开发可行性论证,,,,,,,,,,,,,,,,,,,,,,, 42.2系统设计方案论证,,,,,,,,,,,,,,,,,,,,,,,, 43 系统设计,,,,,,,,,,,,,,,,,,,,,,,,,,,, 6 3.1图像采集,,,,,,,,,,,,,,,,,,,,,,,,,,,, 6 3.2图像预处理,,,,,,,,,,,,,,,,,,,,,,,,,,, 6 3.3定位和分割,,,,,,,,,,,,,,,,,,,,,,,,,, 15 3.4字符识别,,,,,,,,,,,,,,,,,,,,,,,,,,, 23 3.5模板识别系统结果与分析,,,,,,,,,,,,,,,,,,,, 24 3.6小结,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 26 4人工神经网络字符识别,,,,,,,,,,,,,,,,,,,,,, 27 4.1 BP网络模型结构,,,,,,,,,,,,,,,,,,,,,,, 27 4.2 BP神经网络的训练,,,,,,,,,,,,,,,,,,,,,, 28 4.3 BP神经网络结构和设计,,,,,,,,,,,,,,,,,,,,, 29 4.4结果分析,,,,,,,,,,,,,,,,,,,,,,,,,,, 344.5本章小结,,,,,,,,,,,,,,,,,,,,,,,,,,, 355 GUI界面,,,,,,,,,,,,,,,,,,,,,,,,,,,, 36 5.1图形用户界面,,,,,,,,,,,,,,,,,,,,,,,,, 36 5.1 GUI设计界面的操作步骤,,,,,,,,,,,,,,,,,,,,, 36 结束语,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 38 致谢,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 39 参考文献,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 40附录A模式识别主程序代码,,,,,,,,,,,,,,,,,,,,,41 附录B BP神经网络识别主程序代码,,,,,,,,,,,,,,,,,,52 附录C图像模板,,,,,,,,,,,,,,,,,,,,,,,,,,651 绪论近年来，随着经济的发展，人们生活水平的提高，私家车数量迅速增加。
基于BP网络的车牌字符识别
（2013届）本科毕业设计（论文）资料湖南工业大学教务处2013届本科毕业设计（论文）资料第一部分毕业论文本科毕业设计（论文）2013年6月摘要基于BP网络的车牌字符识别是一门对车牌字符识别的技术，它的产生是为了完善智能交通系统，使得交通系统更具有信息时代意义。
本文利用BP神经网络与图像处理技术相结合的方法，将BP神经网络应用到车牌字符识别中。
针对车牌图像的处理的过程包括：车牌图像去噪、车牌图像灰度化、车牌图像二值化、车牌字符图像分割、车牌字符图像归一化、车牌字符图像特征值提取。
前面五个过程是为了保证字符信息能更好的体现出来有利于将特征值得提取。
BP神经网络通过对组建的车牌字符库的学习后才会具有识别功能，然后将车牌字符图像提取到的特征值送入到BP神经网络中就能识别出来。
通过实验证明了通过上述的过程是能够将车牌字符识别出来，在这个识别过程中对于BP网络训练的收敛性是十分重要的，本文认为可以通过修改隐含层节点的个数、训练函数和激发函数来完成BP网络的训练以使得BP神经网络具有识别功能。
对于识别的关键部分在于对特征值的提取，只有采可靠的提取办法才能保证字符信息部丢失这样才有利于识别。
关键词：车牌字符识别，BP神经网络，特征值提取ABSTRACTBP network based license plate character recognition is one pair of license plate character recognition technology, which is produced in order to improve intelligent transportation system, making the transport system more meaningful information age.In this paper, BP neural network and image processing technology, a combination of methods will be applied to the license plate BP neural network character recognition. For the license plate image processing process includes: license plate image denoising, gray plate image, license plate image binarization, license plate character segmentation, license plate character image normalization, license plate character image feature extraction. During the previous five character information in order to ensure better reflected the benefit is worth the feature extraction. Through the formation of BP neural network library for license plate character recognition function after learning will have, and then extract the license plate character image characteristic value fed to BP neural network can be identified.The experimental results show the process by the above license plate characters can be identified, in this process for identifying convergence BP network training is very important that this can modify the number of nodes in the hidden layer, training function and stimulate function to complete BP network training to enable BP neural network has recognition. For the identification of the key part of the feature value extraction, mining only reliable way to ensure the character information extracting unit lost that help identify, extract the paper also proposed several ways.Keywords: LPR，BP neural network，Feature extraction目录摘要 (I)ABSTRACT.......................................................... I I 目录........................................................... I II 第1章绪论. (1)1.1 车牌识别技术 (1)1.1.1 车牌识别技术 (1)1.1.2 智能交通系统 (2)1.2国内外研究现状 (4)1.3本文研究内容 (4)第2章字符识别方法 (6)2.1 车牌图像预处理 (6)2.1.1 车牌规律 (6)2.1.2车牌图像去噪 (7)2.1.3车牌图像的灰度化和二值化 (7)2.2 字符分割 (9)2.2.1 边缘检测 (10)2.2.2 字符切割 (11)2.2.3 字符图像归一化 (12)2.2.4字符特征值提取 (12)2.3 BP神经网络 (14)2.3.1 BP网络 (15)2.3.2 BP网络的模型结构 (15)2.3.3 BP网络算法 (17)第3章基于BP网络的字符识别 (20)3.1 车牌图像预处理实现 (20)3.1.1 车牌图像滤波实现 (20)3.1.1 灰度化技术及二值化实现 (20)3.1.2 车牌图像分割实现 (23)3.1.3 归一化和字符特征提取实现 (25)3.2 字符库与BP网络的建立 (27)3.3 BP网络字符识别 (31)第4章结论 (33)参考文献 (I)致谢............................................................ I I第1章绪论1.1 车牌识别技术1.1.1 车牌识别技术二十一世纪是一个信息化时代，是经济和科技飞速发展的时期，智能系统被广泛应用到人们生活当中。
BP网络车牌识别毕设论文终稿
青岛理工大学毕业设计（论文）题目基于BP网络的车牌识别学生姓名：XXXX指导教师：XXx通信与电子工程学院电子信息工程专业093班2013年6 月15日毕业设计(论文)任务书第2 页第3 页第4 页摘要随着世界各国汽车数量的日益增加，城市交通状况越来越受到人们的关注。
交通管理水平,已经成为衡量政府部门工作标准之一。
汽车牌照的自动识别是关于模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要部分。
本论文主要研究的是基于BP神经网络的汽车牌照自动识别系统，该系统主要分为图像预处理、车牌定位、车牌分割、字符分割和字符识别五个部分。
首先，将获得的车牌图像进行灰度化处理，用直方图均衡化进行图像增强，利用Roberts算子进行图像边缘检测。
然后，采用形态学方法进行车牌定位，利用车牌彩色信息的彩色分割法将车牌从背景图像中的分割。
对分割出的车牌进行二值化处理，并进行垂直投影，对垂直投影进行行扫描，完成对车牌字符的分割。
最后，将分割出的字符进行归一化处理，利用BP网络构建车牌识别器，实验证明该方法可也快速、有效地对车牌进行识别，证明了该方法的有效性。
关键词：车牌定位，字符分割，BP神经网络，字符识别ABSTRACTWith the world growing number of cars, urban traffic conditions more and more people's attention. Traffic management level, has become one of the criteria to measure the government sector. Automatic license plate recognition is on the pattern recognition technology in the field of intelligent transportation applications, an important research topic is to achieve an important part of intelligent traffic management.This thesis is based on the BP neural network car license plate recognition system, which consists of image preprocessing, license plate location, license plate segmentation, character segmentation and character recognition five parts. First, get the license plate image gradation processing, histogram equalization for image enhancement using Roberts operator for image edge detection. Then, using morphological methods for plate positioning, the use of color information of the license plate color segmentation method license plate from the background image segmentation. The segmentation of license plate binarization processing and vertical projection of the vertical projection for line scanning, complete the license plate character segmentation. Finally, the segmented character normalization, BP network construction license plate reader, the experiment proved that the method can also quickly and effectively identify the plate proved that the method is effective.KEY WORDS:license plate location, character segmentation, BP neural network,character recognition目录摘要 (I)ABSTRACT........................................................... I I 目录............................................................ I II 前言 (1)第1章绪论 (3)第2章基于BP网络的车牌识别系统总体设计方案 (6)第3章图像预处理 (8)3.1图像预处理 (8)3.1.1图像的灰度化 (9)3.1.2灰度图像的增强 (10)3.1.3 图像的边缘检测 (11)3.2车牌定位 (12)3.3车牌字符分割 (15)3.3.1彩色车牌预处理 (15)3.3.2字符分割 (15)3.3.3字符的归一化处理 (17)第4章车牌字符识别 (18)4.1车牌字符识别 (18)4.1.1神经网络概述 (18)4.1.2 BP神经网络的原理 (19)4.2BP网络的构建 (21)4.2.1 神经网络结构的构建 (21)4.2.2 网络函数和参数的确定 (24)4.3字符识别结果 (27)第5章总结与展望 (28)5.1设计结果分析总结 (28)5.2展望 (29)致谢 (30)参考文献 (31)前言现代的世界已进入信息化的时代，随着通信技术、计算机技术和网络技术的不断进步，自动化信息化水平不断提高和改善。
基于BP网络的车牌识别系统的毕业设计
一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。
）工作基础：了解C++的基本概念和语法，熟练使用Visual C++软件。
研究条件：依据BP神经网络的基本原理完成算法实现。
应用环境：基于BP神经网络的图像文件中的车牌识别。
工作目的：熟练掌握Visual C++应用程序的开发。
了解人工智能的基本概念以及神经网络的基本原理。
熟练掌握Visual C++中的图片处理的基本方法。
二、参考文献[1]人工智能原理及其应用，王万森，电子工业，2007.[2]VC++深入详解，鑫，电子工业，2006.[3]人工神经网络原理, 马锐，机械工业，2010.[4]Visual C++数字图像处理典型案例详解，晶，机械工业，2012.[5]Application of Image Processing to the Characterization ofNanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science,2004.三、设计（研究）容和要求（包括设计或研究容、主要指标与技术参数，并根据课题性质对学生提出具体要求。
）1、掌握C++的基本概念和语法。
2、了解神经网络的基本原理。
3、完成Visual C++中对于图像的预处理。
4、完成基于样本的神经网络的训练以及图像中车牌信息的识别，并对其性能进行统计和总结。
指导教师（签字）年月日审题小组组长（签字）年月日大学仁爱学院本科生毕业设计（论文）开题报告摘要基于BP网络的车牌识别是一门对车牌字符识别的技术，它的产生是为了完善智能交通系统，使得交通系统更具有信息时代的意义。
本文利用BP神经网络与图像处理技术相结合的方法，将BP神经网络应用到车牌字符识别中。
针对车牌图像的处理的过程包括：车牌图像去噪、车牌图像灰度化、车牌图像二值化、车牌字符图像分割、车牌字符图像归一化、车牌字符图像特征值提取。
基于BP神经网络的车牌识别技术-车牌定位
I2=bwareaopen(I1,20); subplot(3,2,5); imshow(I2),title('中值滤波后的二值化图像');
%%%%%%%去除图像顶端和底端的不感兴趣区域%%%%% Y1=zeros(y1,1); for i=1:y1 for j=1:x1 if(I3(i,j,1)==1) Y1(i,1)= Y1(i,1)+1 ; end end end Py1=1; Py0=1; while ((Y1(Py0,1)<20)&&(Py0<y1)) Py0=Py0+1; end
Py1=Py0; while((Y1(Py1,1)>=20)&&(Py1<y1)) Py1=Py1+1; end I2=I2(Py0:Py1,:,:); subplot(3,2,6); imshow(I2),title('目标车牌区域');
为进一步提高识别精度,在确定车牌区域后，继续对车牌进行灰度 化、二值化、滤波、膨胀腐蚀等操作，实行第二次预处理，具体 方法与图像预处理所述基本相同。
if isrgb(I) I1 = rgb2gray(I); %将RGB图像转化为灰度图像 else I1=I； end g_max=double(max(max(I1))); g_min=double(min(min(I1))); T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值 [m,n]=size(I1);% d:二值图像 %h=graythresh(I1); I1=im2bw(I1,T/256); subplot(3,2,4); imshow(I1),title('二值化车牌图像');
基于BP神经网络算法的车牌字符识别系统设计（精品）
[：j型蜒曰墅霹麓………。
文章编号：1002—8692(2008)S1-0140—03基于B P神经网络算法的车牌字符识别系统设计张玲，张呜明，何伟(重庆大学通信工程学院，重庆400030)·实用设计·【摘要】构建车牌字符识别系统，并对系统中B P网络反传学习速率进行改进，提高了识别率并降低学习时间；在特征提取上针对汉字综合采用非均匀网格特征和外围特征提取法，字母与数字采用均匀粗网格特征加笔划密度特征提取法。
优化了系统的识别精度并提高了识别速度。
采用B P算法增强了车牌识别的容错性、鲁棒性。
【关键词】车牌识别；B P算法；特征提取；神经网络；字符识别【中图分类号】TP391．41【文献标识码】AD es i gn of L i cens e Pl at e C ha r act er R ecogn i t i on Syst e m B a se d o n B P N e ur a l N et w or kZ H A N G L i n g,Z H A N G M i ng-m i ng,H E W e i(Co l l ege of C om m uni c at i on E ng i neer i ng,C ho ngqi ng U ni ve rs饥C hongqi ng400030,C hi na)【A bs t ra ct】A l i cens e pl at e cha r act er r ecogni t i on sys t em i s con st r uc t ed，a nd t he r ecogni t i on r a te i s i m pr o ved。
Lear ni n g t i m e i s als o de cr ea sed by i m pr ov i ng t he B ack Propagat i on(B P)net w ork．O n t he f eat ur e ext r act i on，C h i nese char act er s non—uni f orm鲥d 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计（论文）
题目基于BP网络的车牌识别
学生姓名：XXXX
指导教师：XXx
通信与电子工程学院电子信息工程专业093班
2013年6月15日
毕业设计(论文)任务书
专业电子信息工程班级093班姓名下发日期2013.1.3
题目
基于BP网络的车牌识别
专题
主
要
内
容
及
要
求
本文主要研究的是基于BP网络的车牌识别。该系统包括图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。当车辆到达触发图像采集单元时，系统采集当前的视频图像，牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。并用人工神经网络识别技术实现对字符的识别。最后用MATLAB语言对车牌识别程序进行了仿真实验，得出实验结果。
5月9日--5月21日完成字符识别部分并整理所有程序数据
5月22日--6月4日撰写毕业论文
6月 5日--6月21日修改论文，论文答辩
教学院长签字
日期
教研室主任签字
日期
指导教师签字
日期
第1页
指 导 教 师 评 语
指导教师:
年 月 日
第2 页
指 定 论 文 评 阅 人 评 语:
评阅人:
年 月பைடு நூலகம்日
第3 页
答 辩 委 员 会 评 语
答辩委员会主席签字：
年 月 日
总 评 成 绩
周记成绩
指导教师
评定成绩
评阅人
评定成绩
答辩成绩
总 评
主管院长签字
第4 页
摘 要
随着世界各国汽车数量的日益增加，城市交通状况越来越受到人们的关注。交通管理水平,已经成为衡量政府部门工作标准之一。汽车牌照的自动识别是关于模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要部分。
本论文主要研究的是基于BP神经网络的汽车牌照自动识别系统，该系统主要分为图像预处理、车牌定位、车牌分割、字符分割和字符识别五个部分。首先，将获得的车牌图像进行灰度化处理，用直方图均衡化进行图像增强，利用Roberts算子进行图像边缘检测。然后，采用形态学方法进行车牌定位，利用车牌彩色信息的彩色分割法将车牌从背景图像中的分割。对分割出的车牌进行二值化处理，并进行垂直投影，对垂直投影进行行扫描，完成对车牌字符的分割。最后，将分割出的字符进行归一化处理，利用BP网络构建车牌识别器，实验证明该方法可也快速、有效地对车牌进行识别，证明了该方法的有效性。
主
要
技
术
参
数
1.要求有完备的程序和图片；
2.确定最终的识别误差曲线图；
3.识别多组车牌，确定系统的识别率
进
度
及
完
成
日
期
3月25日--4月10日完成车牌识别系统信息的搜集与整理
4月11日--4月18日完成matlab软件的学习和使用
4月19日--4月28日完成车牌图像的预处理和车牌定位
4月29日--5月8日完成车牌图像的字符分割部分
关键词：车牌定位，字符分割，BP神经网络，字符识别
ABSTRACT
With the world growing number of cars, urban traffic conditions more and more people's attention. Traffic management level, has become one of the criteria to measure the government sector. Automatic license plate recognition is on the pattern recognition technology in the field of intelligent transportation applications, an important research topic is to achieve an important part of intelligent traffic management.
This thesis is based on the BP neural network car license plate recognition system, which consists of image preprocessing, license plate location, license plate segmentation, character segmentation and character recognition five parts. First, get the license plate image gradation processing, histogram equalization for image enhancement using Roberts operator for image edge detection. Then, using morphological methods for plate positioning, the use of color information of the license plate color segmentation method license plate from the background image segmentation. The segmentation of license plate binarization processing and vertical projection of the vertical projection for line scanning, complete the license plate character segmentation. Finally, the segmented character normalization, BP network construction license plate reader, the experiment proved that the method can also quickly and effectively identify the plate proved that the method is effective.