车型识别作为ITS中的一个重要分支,在打击盗窃车辆、规范交通秩序、高速公路自动收费等方面具有广阔的应用前景。和其他方法相比,基于监控视频的车型识别方法不需要在目标区域另外安装其它感应设备,从而有效的降低了系统的资本投入,并且监控视频所能提供的车型信息更为丰富,故而近些年来基于监控视频的车型识别算法取得了诸多研究成果。本文在研究运动车辆检测、车型特征提取、模式识别理论的基础上,设计了一套基于车型组合特征和改进粒子群参数优化的支持向量机的车型识别系统,主要成果包括：1.在利用基于混合高斯背景建模的背景差分法得到运动车辆的前景图像之后,结合YCrCb颜色特征和LBP纹理特征来进行阴影去除：2.在特征选择方面,提出了利用车辆图像的组合特征,包括Hu矩特征、LBPS特征、长宽比特征来表述车辆的特征信息,可以有效的解决单一特征容易受到光照、天气、噪声等影响,以及在识别中精度有限的问题；3.提出了一种新的LBPS特征,在LBP特征的基础上做了改进,采用分块和信息熵的思想在车辆的纹理信息中加入了空间信息,同时降低了纹理特征的维度；4.提出了一种改进的粒子群算法来进行支持向量机的参数寻优。在速度更新公式中增加对任一随机粒子的跟随,之后引入动量项的概念,同时考虑前一个时刻和前前时刻的速度变化情况,可以有效的解决基本粒子群算法容易陷入局部极值点和后期震荡严重收敛放缓的问题。