随着社会经济水平的发展,机动车数量逐年攀升,给交通运输和公共安全管理带来了巨大的压力。为了实现交通资源的合理配置,保障出行安全和运输效率,推行能够及时响应,宏观调控的智能交通系统(Intelligence Transportation System,ITS)势在必行。面向道路监控的精细车型识别可以对治安卡口处监控视频中车辆的类型、品牌、型号等信息进行识别,可广泛地应用于车辆套牌检查、高速公路自动收费、交通违法行为检测等场景中。因此,研究面向道路监控的精细车型识别对于现代化ITS建设具有重要意义。精细识别作为近年来的研究热点,其难点在于:精细子类之间整体轮廓高度相似,差别很细微。传统车型识别往往利用车辆整体轮廓,车牌,车标或前脸局部区域提取人工定义的特征,这样的粗粒度的识别方法对于精细车型识别效果并不理想。针对该问题,本文的主要贡献如下:1.鉴于目前尚无在道路监控应用场景下公开可用的精细车型数据集,本文通过道路高清监控视频集中收集了属于8个品牌,50种车型共4584张分辨率为1920×1184的高清图片,按照“品牌-型号-年份”的方式进行标记,并对车辆部件进行了人工标注,为本文的算法验证及今后的研究提供了完备的精细车型数据集;2.提出了基于部件的精细识别方法,对车辆外观定义了七个特征丰富具有语义信息的部件,利用改进的强监督可变部件模型对其进行检测定位。对于这些部件,基于卷积神经网络提取高层次特征,结合基于梯度直方图的低层次特征,构建了目标车辆的精细特征集。经实验验证,使用精细特征集的识别率相较于粗粒度的识别方法提高了 5.65%;3.针对精细识别中不同部件在识别中重要性有所差别的特点,提出了部件区分力的概念,根据部件在各个类别中出现的频率定义基于熵值的部件区分力。利用单个部件的单个特征进行识别后得到一个概率向量,将各个部件区分力值进行归一化作为权重,采用投票机制对概率向量进行加权,得到最终的分类识别结果。在自建数据集上进行了测试验证,实验结果表明:与现有方法相比,本文所提出的算法识别准确率提高了 3.1%-7.3%。