作为智能交通系统的重要组成部分,车辆识别在现代化城市发展中发挥着重要作用。但是目前存在的大多是依据车辆大小、车标、车牌等粗略的车型分类,能提供给我们的车辆信息并不充足。随着智能交通系统的发展我们对车辆的更详细的信息有了需求,比如车辆品牌和型号。同时目前大多数对车辆图像的采集来源于单摄像头,在某些不利的环境条件、某些特殊的视角下,不能获得较清晰完整的图像从而影响车辆特征的提取。车辆具体品牌、型号的识别属于细粒度分类领域的一类问题,和只针对不同物体的图像识别相比较而言,待分类的车辆品牌、型号之间的相似度较高,不易区分。随着卷积神经网络在图像分类领域成功的发展,相较于过去的特征提取、模式识别的传统方法而言更有效、识别率更高。本文结合卷积神经网络和开源的具有标签的车型数据集设计出了一套完整的车辆品牌、车型的分类模型。本文同时引入了双目视觉的处理方法,通过从不同的视角位置同时采集到的车辆图像,研究了包括特征点提取、特征点匹配、透视变换矩阵参数的计算、图像融合处理等,从而提高了在复杂环境下车型识别的准确率。通过实验验证,该方法可以有效地解决在单目视角有限等复杂环境下识别具体车辆品牌、型号的问题。