智能交通系统是现在化交通的重要组成部分,而车型的自动识别是智能交通领域中的一个重要研究方向。高速公路作为现代化交通中必不可少的一项基础设施,收费过程中的作弊行为已经十分严重。基于这一问题,本文提出了一种利用车脸图像自动识别车型的算法。本文共包括三个主要部分:图像的预处理、车辆正面特征提取和车型识别。研究了基于车牌定位的车脸分割方法,采用颜色特征与边缘检测相结合的方式,对车辆图像进行车牌分割,再根据车牌计算车脸的垂直中轴线和车脸带的水平分割线、轮廓跟踪法分割出大灯、车标区域。针对于车脸图像特征提取的问题,本文提取图像的HU不变矩和LBP算子作为车脸感兴区域的特征。为了增加算法的实用性并减小算法的复杂度,本文提出了一种HU标准化不变矩算法。通过对原有HU不变矩算法进行标准化处理,进而缩小特征数值区间。并与典型的HU不变矩算法、LBP算子提取结果进行了对比分析。将三种算法对车脸特征提取的特征值与其对应车型保存入数据库中,为高速公路收费口自动检测车型建立样本数据库。在车型识别阶段,本文采用本文选用的采用基于RBF神经网络的车型识别算法,针对车型识别领域的特殊性,本文在理论分析和大量实验的基础上提出了一个较为有效的RBF神经网络结构,采用本文选用的三种车型特征提取算法对收费站过往车辆进行训练、识别。实验表明,本文提出的基于标准化HU不变矩特征结合RBF神经网络的车型识别方法能对高速公路中车辆进行较好识别,并获得了较高的识别率。