随着数字图像处理技术和视频监控设备的不断进步,智能交通系统越来越受到人们的广泛关注,而作为智能交通系统的重要部分,车脸信息识别相关技术的研究具有重要的实际意义,在交通指挥调控、车流量统计、安防以及公安系统等领域具有广泛的应用前景。水文中研究的主要内容是：车脸信息的识别,包括车牌号码、车身颜色、车牌颜色等进行了信息识别。首先对图像的预处理方法进行了介绍,通过空间中值滤波、形态学处理,为后续的识别工作提供了基础。将车脸信息识别系统分为车牌定位、倾斜校正、字符切割、字符识别、车牌颜色识别、车身颜色识别等六个部分。本文的主要工作和创新点可归纳为如下四点：1.提出了一种基于特殊梯度算子的车牌定位方法本文借鉴了基于灰度形态学处理技术的灰度图像午牌定位方法,提出了一种基于灰度梯度图像的车牌定位算法。车牌图像的特征包括颜色和纹理特征,车牌字符与底色在黄色通道或者蓝色通道下具有最大的对比效果,车牌在底色与字符边界具有明显的对比度。因此,本文建立了黄色和蓝色通道下的灰度图像,通过水平邻域极差计算图像梯度,从而增强车牌特征。然后,通过灰度形态学处理对得到的梯度图像进行处理,提取午牌特征并定位车牌。通过实验对比分析,该方法增强了对夜晚图像特征提取的效果,算法简单,适应性强。2.车牌图像的校正和字符切割针对基于经典Hough变换的车牌图像倾斜校正算法在模糊污染图像的处理中适用性差的缺点,本文采用了线性回归模型对车牌倾斜角度进行估计,以车牌区域内部中字符连通域上边界坐标为样本数据进行拟合,得出估计结果。针对字符切割,本文利用车牌字符尺寸标准和对称性,在竖直方向建立切割线,以切割线的像素和为目标函数,提出了一种优化切割方法,通过实验仿真和理论分析,验证了算法的有效性,有效的解决了字符粘连车牌图像的切割效果差的问题。3.提出了一种基于K-means车牌颜色识别方法对于车牌颜色识别,本文提出了一种基于K-均值聚类方法的颜色识别模型。对于定位得到的车牌图像,首先通过图像内缩选取颜色样本,然后利用车牌像素的空间特性,通过K-means聚类计算底色类与字符类颜色的像素值,依据颜色与亮度关系建立颜色调整模型,修正色彩数值,改善识别结果的准确性,并根据聚类中心对车牌进行二值化,增强二值化的效果,通过大量车牌图像的颜色识别,验证了算法的有效性和适用性。4.提出了一种颜色校正的车身颜色识别方法针对车身颜色识别中车辆图像由于车灯光照射使得图像光线不均匀的问题,本文以车牌颜色的计算结果和识别结果,建立图像像素模型,对色偏信息进行估计,从而实现图像的校正,并对校正后的图像结合RGB空间和HSV空间进行识别,通过夜晚图像的处理和传统颜色校正方法效果的对比分析对该算法进行校正效果和识别效果的验证,证明算法的有效性。