近年来,随着科技的不断进步,车牌识别技术也不断的提高,在智能交通领域的应用也越来越广泛,目前车牌识别技术主要应用于交通路口的“电子眼”系统、高速公路ETC检测、车速管理系统以及小区停车管理系统等多个领域,车牌识别系统应用的目的就是对车辆进行智能化监管,从而保障公共交通安全,为国家的发展带来便利。然而随着城市交通环境的复杂化,对车牌识别系统的性能要求也越来越高。在复杂环境下,比如雾霾、雨雪天气、阴天或夜晚等环境,摄像头捕获到的车辆车牌信息模糊,这将直接导致车辆信息定位困难、识别准确率不高的问题。因此,如何在复杂环境下针对设备捕获的模糊车牌进行正确的识别,在提高系统识别准确率的同时能够满足实时性的要求,这些问题都是近年来的研究热点,针对复杂环境下的车牌识别系统的设计仍然有很多问题有待进一步发掘和完善。本文设计的针对复杂环境下的模糊车牌识别系统包括车牌图像增强、预处理、车牌定位、车牌字符识别四个环节,其中车牌图像增强主要是对设备捕获到的图像进行改进的多尺度Retinex(Multi-Scale-Retinex,MSR)算法增强效果,接着进行灰度化、二值化等预处理,进一步提高图像质量并减少处理时间;车牌定位方面采用Adaboost算法提取车牌的Haar特征,结合正负样本训练出车牌分类器对车牌进行定位;车牌字符识别的算法采用基于BP神经网络的梯度迭代法进行字符识别。在系统设计方面采用S3C6410集成电路开发板作为嵌入式硬件的核心处理器,然后进行了Linux嵌入式系统的建立、内核的裁剪和Opencv图像函数库的移植、交叉编译环境的搭建,经过处理的车牌图像在视觉上更清晰,提高了车牌定位以及字符识别的准确度,系统整体具有较好的稳健性及实用价值。