现今随着汽车数量的日益增多,交通事故、交通拥堵等问题愈来愈严重,仅仅依靠人工管理难以解决交通所面临的困难。因此,智能交通系统(Intelligent Transportation System,ITS)受到了广泛地关注。近年来由于计算机视觉技术和模式识,别技术的快速发展,促进了智能交通系统的发展。智能交通系统是交通的发展趋势,其中车型识别技术是智能交通系统的重要组成部分。车型识别技术已引入到实际生活应用中,例如,交通管理部门、公共停车场、高速公路收费站等。但是由于车辆种类繁多、交通场景混杂以及实现技术复杂等原因,车型识别技术还未在实际中取得良好的应用;因此,目前来说,车型识别技术还有很大的开发空间和研究意义。课题是在国内外相关研究成果的基础上,主要对基于视频图像的车型识别算法展开了研究。文中设计了一个基于SVM的车型识别分类系统,利用摄像装置采集视频图像,并输入到车型识别系统中,然后利用提取的特征值对视频中的车辆进行分类识别。基于对现有车型识别算法的学习和研究,将车型识别系统分为运动车辆检测、车辆特征提取和车型识别三部分。(1)运动车辆检测。视频图像预处理之后,利用基于稀疏表示和异常迭代去除的高效背景建模方法和背景差分法得到运动车辆的前景图像。针对视频图像在获取、传输的过程中不可避免地受到噪声污染的问题,采用自适应加权中值滤波对图像进行去噪处理,从而确保车辆提取的精确性与完整性;同时根据车辆图像的颜色特征信息去除车辆在运动时产生的阴影部分。(2)车辆特征提取。根据车型分类要求,重点分析了车辆的几何特征、方向梯度直方图特征(Histogram of Gradient,HOG)和局部纹理特征(Local Binary Pattern,LBP)。针对单一特征容易受到光照、天气、阴影等环境影响的问题,本文采用HOG-LBP特征融合的方法进行车型识别;实验结果表明,采用HOG-LBP融合特征有助于提高车型识别的准确率。(3)车型识别。选用支持向量机SVM(Support Vector Machine)分类器设计了一个车型分类系统,实验结果表明,该系统很好地实现了对轿车、货车和客车三种车型的识别和分类。