基于视频的车辆分类系统是使用计算机对由摄像头和图像采集卡采集的视频图像进行处理分析,进而实现车型的分类识别功能。该系统对于解决拥堵的交通环境、规划城市交通系统等具有重要的战略意义,在智能交通系统(ITS)中扮演着越来越重要的角色。车辆自动分类的实现包括两个模块：车辆图像特征提取和分类识别。图像特征的选择和提取关系到分类识别的精度,选择的特征须刻画出不同类别之间的差异。图像特征提取可以使用两种方式实现,全局特征和局部特征,代表算法包括傅立叶描述子、不变矩特征、变换域特征、边缘轮廓特征、角点特征等。完成图像描述进而选择合适的分类器对图像进行分类,常用的分类算法包括：模板匹配分类器、贝叶斯分类器、几何分类器、神经网络分类器。全局特征和局部特征对于分类都至关重要,本文主要工作是将两种互补特征相结合。利用PCA提取图像全局特征,此外,使用SIFT、Surf算法提取局部特征点,构建视觉词汇表,利用词袋(BoW)映射得到图像特征向量。将不同特征组合,针对每一类样本构建逻辑回归(LR)模型,模型输出的权重衡量了每个视觉词汇在分类中的重要性,计算类间相似系数,选择支持向量机作为分类器,其核函数使用LR模型输出和相似系数构造。基于多特征融合的车型分类系统使用真实交通场景监控视频中的车辆构建样本库并训练分类器模型,在windows平台下使用VS2010、MFC开发环境、OpenCV2.4.3等工具设计,可以实现运动车辆实时分类,实验结果表明多特征融合明显具有更高的分类准确率。