随着科技的进步、大型安防项目的开展和人们安全意识的提高，视频监控技术得到了业界和学术界的广泛关注，并大量应用于实际生活中。视频监控数据具有持续时间长，数据量大，包含的信息丰富而复杂等特点，依靠传统的人工处理，花费的代价惊人，且效率低下，同时也存在较大的安全隐患。而作为交通监控视频数据分析技术基础的监控视频数据检测技术：目标特征提取和匹配技术也越来越受到关注。基于多特征的车辆识别主要分为车辆相关局部特征提取和特征描述子匹配两个方面。车辆局部特征提取，主要包括提取车前灯的边缘轮廓和车头图片的加速稳健特征。首先介绍了当前的边缘检测、局部特征检测的相关算法和技术，分析了这些算法的不足与局限，然后在Canny算法的基础上，扩大计算域计算梯度，并利用噪声点和边缘点在梯度方向上的差异来消除噪声点，提高了对图像边缘检测的准确度的同时，较好的消除了噪声。在特征描述子匹配方面，提出了基于位置约束的局部特征描述子匹配和局部特征描述子间距离计算的改进，在减少了无意义的匹配的同时，削弱了特征描述子对特征最大量的依赖，增强了其对较小量的敏感。通过实验数据分析，改进的Canny算法在边缘检测上相对于原始的Canny算法，准确度更高，且受噪声的影响更小；基于位置约束和改进的距离计算方法，相比于原来的特征描述子匹配计算，效率更高，并且查找到的准确匹配数量更多。基于多种局部特征识别比单一特征识别的准确性更高、更可信。