为了应对目前国民经济水平提高导致汽车呈指数增长带来的严峻的监管问题,智能交通系统(ITS)应运而生。智能交通系统针对交通管理中存在的各种问题提出针对性的解决方法,本文的研究内容是在智能交通的指导下,作为视频车辆同一性时空关联检索的子课题,针对目前高速公路视频卡口中不能通过车辆牌照完成车辆的识别问题,研究利用数字图像处理技术提取运动车辆的几何特征,并使用机器学习的分类方法完成目标车辆的车型识别,并用VS2010、opencv2.4.3、QT5.5开发以Windows系统开发平台为基础的车型识别系统,实现本文研究内容,为下一步同一性时空关联检索分析提供一种快速锁定目标车辆的方法。现将本文的研究内容归纳如下:1、建立包含车辆完整参数信息的车型标准特征模型数据库。数据来源主要是“卡车之家”、“汽车之家”等车辆信息网站,通过网络爬取技术获取车辆厂家提供的较全面的信息。针对网站信息不断更新的问题,开发针对对应网站车辆参数信息的自动爬取系统,完成车辆信息的实时更新工作。车型标准特征模型数据库的建立是针对本文研究内容中车辆几何特征完成车型识别的相关联的基础工作,数据库内容能为车辆检索提供关键数据支持,并可作为后续车型分类的分析数据。2、运动目标检测与摄像机标定技术研究。本文利用高斯背景建模完成道路背景提取,能提取到具有清晰道路线的背景图像,利用张正友标定方法,提取道路线角点构造棋盘格式标定板,完成摄像机标定,作为可变三维模型投影依据,此方法适用于本文研究内容场景的摄像机标定。利用背景差分法提取前景车辆图像,并使用canny算子对运动车辆进行边缘检测,为模型投影与车辆对象边界匹配提供清晰的车辆对象边缘。3、参数寻优算法研究。为了改进匹配中计算量大的问题,本文构建了一种改进的hausdorff距离作为车辆对象与模型投影的匹配评价函数,针对匹配过程中大量边缘点匹配造成效率低的缺点,本文通过提取少数关键匹配点作为二者匹配点增加匹配速度,提高效率。利用量子进化算法优异的寻优性能完成最优参数求解,完成车辆对象的几何特征提取,为车型识别提供一种稳定、有效的特征。4、利用机器学习的车型分类方法研究。本文利用多种神经网络方法对车型标准模板数据库中的数据进行数据挖掘,并从识别样本数、分类错误样本数、识别率上进行比较分析,有监督Kohonen网络针对数据库中提供的数据能有效完成分类识别,通过车辆的几何特征参数,利用有监督Kohonen网络完成车型分类的平均识别率为91%。