车牌的定位与识别是智能交通管理的重点问题。在大型停车场的管理系统、公共安全、交通管理及有关军事部门有着特别重要的实际运用价值，正日益受到人们的重视。本文研究了车牌识别的各个关键技术，包括图像预处理、车牌定位、字符分割和字符识别。设计并实现了一个车牌识别实验系统，在自然条件下对实验视频序列中的车牌进行识别。目前的车牌定位技术主要分为基于灰度图像的车牌定位和基于彩色图像的车牌定位，本文研究了基于两帧灰度差所得到的运动信息的车牌定位方法。并对矩形(窗口)搜索方法进行了改进，提高了搜索车牌的效率。另外，本文使用了包括基于连续帧差窗口定位、基于彩色、灰度投影定位的多种定位方法，取得了较好的效果。在字符分割方面，本文研究了根据得到的车牌的宽度，对一些不能很好分割的字符进行强制分割的方法，并对得到的字符进行精确的定位。在字符的归一化方面，本文根据车牌字符的特征，采取在垂直方向归一化为40像素，之后再以中心点为基准拷贝到40×40像素的黑色图片中。在字符识别方面，本文使用了Peter W．Frey和David J．Slate提出的特征向量，使用Leo Breiman在2001年提出的随机森林方法作为分类器，并同其它若干种识别方法进行了比较，速度和识别率较好。实验表明，本文提出的方法能有效的定位、识别实验视频序列中的车牌。