چکیده: مساله تشخیص خودکار شماره پلاک خودروها از جنبه های مختلف از اوایل دهه ی 90 میلادی مورد مطالعه قرار گرفته است. البته هنوز چالش های زیادی برای تشخیص پلاک، مانند حرکت سریع خودروها در صحنه، زاویه ها و فاصله های مختلف، پس زمینه‌های پیچیده و غیر قابل پیش بینی، تصاویر دارای چرخش و با کیفیت نامناسب، تغییرات مقیاس، وجود پلاک های متعدد در یک تصویر، روشنایی غیر یکنواخت و متغیر در طول شبانه روز، و غیره وجود دارد. در این پایان نامه، الگوریتمی بلادرنگ برای آشکارسازی و شناسایی پلاک در قاب های ویدئو (frxames) و شناسایی همزمان چند پلاک در یک قاب ویدئویی طراحی و پیاده سازی می کنیم. قبلا در زمینه ی تشخیص و شناسایی یک پلاک خودرو در یک صحنه، کارهایی صورت گرفته است که در اکثر آنها به بلادرنگ بودن الگوریتم، توجه کمی شده است در حالی که مساله افزایش سرعت شناسایی پلاک ها به همراه آشکارسازی و شناسایی صحیح چند پلاک خودرو در صحنه برای کاربردهای آن، از اهمیت بالایی برخوردار است. برخلاف روش هایی با پیچیدگی محاسباتی بالا، ما تکنیک های موثر و ساده ای را برای بلادرنگ بودن به کار گرفتیم. ابتدا قاب های حاوی اشیای در حال حرکت با استفاده از مدل مخلوط گوسی (GMM) بدست می آیند. سپس نواحی کاندید با لبه یابی عمودی و افکنش افقی پیدا می شوند. بعد از آن، پلاک ها با عملیات مورفولوژی و آنالیز اجزای متصل به هم، تعیین محل و استخراج می شوند. وقتی پلاک ها آشکارسازی شدند با الگوریتم دیگری نویسه هایشان جدا شده و به سیستم شناسایی پلاک داده می شوند تا ارقام پلاک بازشناسی شده و در نهایت پلاک ها شناسایی شوند. روش پیشنهادی روی ویدئوهایی از دوربین های بزرگراه ها ارزیابی شده و درصد آشکارسازی % 98/79 حاصل شد. این سیستم به زبان C++ و با استفاده از کتابخانه ی OpenCV پیاده سازی شده است. میانگین زمان پردازش هر قاب در مرحله ی آشکارسازی پلاک 25 میلی ثانیه و میانگین زمان کلی پردازش هر قاب 40 میلی ثانیه است که می تواند در کاربردهای بلادرنگ استفاده شود. درصد بازشناسی ارقام پلاک نیز % 97/83 بدست آمد. سیستم بلادرنگ پیشنهادی می تواند چند پلاک از انواع مختلف را در هر قاب تشخیص دهد و شناسایی کند. نتایج آزمایش ها نشان می دهد که روش و نحوه ی پیاده سازی ما نسبت به کارهای گذشته سرعت بالاتر و درصد آشکارسازی و بازشناسی بهتری دارد طوری که آن را برای کاربردهای بلادرنگ بسیار مناسب ساخته است.