车辆特征的识别一直以来都是智能交通管理领域的主要研究方向,具有广阔的应用和发展空间,同时这些识别技术要涉及到很多学科方面的理论知识,具有重要的理论研究意义。文中的研究对象是在摄像机固定安装下采集到的交通图像数据,通过对图像进行分析研究及处理,实时地提取车辆的正面特征,以便进行识别。识别的应用目的主要是车流量统计和车标识别,根据不同的实验数据进行不同的应用。根据对实验数据和研究目的的分析,对于光照不充分场景下的视频图像提出了一种应用亮度差分与提取连通区域相结合的方法来检测与定位运动车辆的车灯,该方法能够准确检测和定位到路面上静止和运动的车辆,同时还可以有效去除后面车灯照射出的灯光束带来的影响,根据检测和定位结果对图像中的车流量进行统计：对于光照充分场景下的图像采用将otsu(最大类间方差法)和最小二分水平梯度水平投影相结合的方法,对图像中车辆的车标进行了检测和识别,可以准确检测出车灯带位置、定位出车标所在位置。以上这些研究内容都为以后运动车辆检测、定位和车标识别方法提供了研究价值。道路红灯点亮时出现车辆排队的特殊性,结合前后两辆车的车灯位置基本上不变的方法来处理图像,对此进行检测,采用这种方法定位,可靠性非常高；在车标检测中,是对Otsu方法进行了改进来实现图像的阈值分割,提取出车灯带的位置,对车灯带中的车标进行进一步检测。这两种方法中涉及到的阈值分割都能有效地去除图像上的一些干扰物体,而传统的帧差分和背景差分的效果却没有这么好。采用文中所述的阈值分割能更好地提取出目标所在的位置,进行更准确地特征检测和定位。从实验结果中可以得出文中所述的方法在对应的场景中,检测准确,可以达到实时性的要求。文中根据车辆特征识别的不同要求,在VC平台下调用OpenCV标准库函数应用c语言对识别的要求进行了编程实现。且把此算法应用到了实际交通场景下采集的交通车辆图像中进行了相应的实验测试：统计车流量、识别车标等相关交通车辆的特征,并且根据测试实验的内容和结果分别给出了不同交通场景下的实验统计数据和性能评价。