随着工业现代化发展与汽车交通对城市交通环境的影响,智能交通系统(ITS)逐渐成为城市现代化建设的国内外研究重要领域。基于图像处理的车辆识别系统,包括车型识别、车牌识别等,是计算机视觉与模式识别技术在智能交通领域应用的重要课题之一,应用范围非常广泛,具有广阔的发展前景和巨大的经济价值。本课题主要研究一个基于图像处理的车辆检测系统。主要从两大部分着手:车型的检测识别算法研究和交通信息视频图像的采集系统的实现。重点阐述该系统关键技术部分的理论研究与具体实现,突出实时性和准确性的特点,提出了一种改良的移动目标分割算法和关于车型识别的具体算法。本文的主要工作和创新点包括:1)提出了一种复杂背景环境下的移动目标提取算法。利用彩色图像的特点来进行背景提取,从而有效地抑制了车辆灰度与背景相似和光照等难点;针对两种不同情况,分别提出了相应的背景更新方案;利用二值图像的特点,提出了一套快速有效的区域填充算法,以满足移动目标的实时提取。2)设计了一套可行的根据车辆侧面轮廓特征的车型分类模型,提出分步分类方案,完成车型识别算法。利用图像信息,提出了软传感器的概念,代替了传统的硬件感应器件;利用Douglas-Peucker算法对侧面轮廓特征的矢量信息进行压缩,降低了数据操作的复杂度;采用了两次分步分类的方案,充分利用了不变矩、面积比、长度等重要信息,得到了良好的分类效果。3)实现了一套多路视频采集压缩存储系统,并在此基础之上,构建出了一套完整的车辆检测系统实现方案。软件中采用了多线程的设计方案,以避免资源占用过大的问题;并利用第三方的压缩模块,实现了视频采集压缩存储系统,很好的满足了实际应用的需要。本文的特点在于:完整地实现了一个可应用的AVI系统;提出了一种背景更新算法;设计了一个基于车辆边缘轮廓特征的分类器。系统能稳定运行在安装有Microsoft Windows XP Professional(SP2)的PC机下,PC机CPU为P4 2.8GHz,内存为DDR-512M。在对于实验所用的2段25分钟视频进行的测试中,车型分类的实验准确率在90%以上,每帧耗费时间低于40ms,CPU占用率低于40%,完全实现逐帧操作。