امروزه با گسترش روز افزون تعداد خودروها، بهینه سازی زیرساخت های ارتباطی درون شهری و برون شهری، از طریق تجهیز آنها به سیستم های اتوماتیک شناسایی خودرو، امری اجتناب ناپذیر است. کاربردهای متنوعی برای یک سیستم شناسایی اتوماتیک پلاک خودرو می توان متصور شد که از نصب این سیستم در ورودی گیت پارکینگ ها و محل اخذ عوارض در جاده ها، تا محدوده طرح ترافیک درون شهری و کنترل سرعت اتومبیل ها در جاده های بین شهری و... را شامل می شود. گرچه تاکنون الگوریتم های مختلفی برای شناسایی و تشخیص اتوماتیک پلاک خودرو پیشنهاد شده است، لیکن هرکدام از این الگوریتم ها بنا به روش به کار گرفته، معایب خاص خود را نیز داشته است. الگوریتم تشخیص اتوماتیک پلاک خودرو از سه مرحله اساسی تشکیل یافته است : 1- تشخیص محل پلاک در تصویر 2- جداسازی کاراکترهای پلاک از یکدیگر و 3- شناسایی کاراکترها. در این رساله به دنبال یافتن الگوریتمی سریع، دقیق و جامع هستیم که قابلیت استفاده در کاربردهای بلادرنگ را داشته باشد. به این منظور در مراحل یک و دو یعنی مکان یابی پلاک و تقطیع کاراکترها، الگوریتم جدیدی را بر مبنای باینری کردن با آستانه متغیر، پیشنهاد و پیاده سازی کرده ایم. همچنین به منظور افزایش هرچه بیشتر سرعت اجرای الگوریتم برای استفاده در کاربردهای بلادرنگ، مرحله سوم این الگوریتم یعنی شناسایی کاراکترها، که زمانبر ترین مرحله تشخیص می باشد را روی پردازنده ی کارت گرافیکی پیاده سازی کرده ایم. سخت افزار واحد پردازش گرافیکی یا gpu ، به منظور انجام عملیات رندرینگ گرافیکی طراحی شده است و دارای چند ده (و در برخی مدل ها چند صد) هسته پردازشی می باشد که می توانند یک محاسبه ساده یکسان را روی تعداد بسیار زیادی داده ورودی، به صورت همزمان انجام دهند. به همین منظور، در مرحله سوم الگوریتم یعنی تشخیص کاراکترها، از شبکه عصبی mlp استفاده کرده ایم. نیک می دانیم که این شبکه عصبی دارای ساختار موازی با ویژگی انجام محاسبات یکسان روی حجم بزرگی داده ی ورودی می باشد، چرا که در هر لایه تعداد زیادی نرون وجود دارد که همگی این نرون ها، عملیات یکسانی را روی تک تک ورودی های آن لایه انجام می دهند. بنابراین این شبکه، نمونه بسیار خوبی از محاسبات simd می باشند. و لذا از پیاده ساختن آن روی کارت گرافیک دو سیستم نمونه که یکی از آنها یک پردازنده intel corei5 و دیگری یک سیستم پیشرفته amd opteron می باشد، به افزایش سرعت به ترتیب 6 و 13 برابر نسبت به پیاده سازی آن روی cpu دست یافته ایم. همچنین با پیاده سازی این الگوریتم به صورت پایپ لاین، سرعت اجرای آن را بازهم 4/1 برابر بیشتر نموده ایم. در نهایت با ارائه نتایج تجربی حاصل از پیاده سازی الگوریتم جدید پیشنهادی روی یک پایگاه داده، دقت و سرعت الگوریتم خود را در مقابل سایر الگوریتم های موجود در پژوهش های جدید مقایسه نموده ایم. پایگاه داده مورد نظر شامل تصاویری از خودروهای شخصی، عمومی و تاکسی، نظامی ، کامیون ها و حتی موتورسیکلت نیز می باشد. در مقایسه الگوریتم پیشنهادی با سایر الگوریتم های موجود، مزایای آن به صورت خلاصه در چند مورد به این قرار است: 1- به ابعاد قالب پلاک وابسته نیست. 2- در تشخیص پلاک خودرو هایی که پلاک و بدنه خودرو همرنگ هستند، موفق است. 3- از فواصل دوری پلاک را تشخیص می دهد. 4- به پس زمینه تصویر خودرو وابستگی ندارد. 5- به میزان تیرگی و روشنایی غیر یکنواخت تصویر وابستگی ندارد.6- محاسبات ساده ای دارد، و در نهایت 7- زمان اجرای بسیار مناسبی دارد. به این ترتیب در این رساله الگوریتم سریع، دقیق و مطمئنی برای شناسایی و تشخیص اتوماتیک پلاک خودرو به کمک پردازنده های موازی gpu تنظیم و پیاده سازی شده است و نتایج حاصل از اجرای آن با نتایج مندرج در آخرین مقالات و پژوهش های معتبر علمی، مقایسه و ارائه شده است.