车型识别是智能交通系统(Intelligent Transportation System, ITS)的基础课题之一,在停车场和路桥收费系统等众多方面有广泛的应用前景。但由于问题的复杂性,这方面的研究进展缓慢。本文从图像分割技术、运动目标的检测与提取、车型分析等方面开展了研究。针对车型识别对图像分割技术的要求,从分割质量及分割效率两方面展开了深入细致的研究工作。以二维Renyi熵阈值分割为例,在大量实验基础上,分析典型二维熵阈值分割方法的不足,提出基于路径搜索的二维Renyi熵阈值分割方法。根据二维直方图分布特点,通过优化搜索区域和路径,提高了阈值优化选取速度,同时也明显改善图像分割质量。在比较多种背景更新技术的基础上,结合实际交通环境的特点和视频图像处理实时性要求,确定采用连续帧差背景更新方法,实现运动目标的背景差分实时检测。在传统的车型分类基础上,针对基于视频的车型轮廓匹配算法中的边缘不连续导致后续处理计算量大的问题,结合基于Harris角点检测算法,实现了基于角点匹配的车型识别。通过提取待识别车辆的侧面Harris角点特征,利用Hausdorff距离匹配方法,计算待测车辆与标准样本Harris角点的Hausdorff距离,实现车型自动识别和分类。最后利用上述研究结果,开发了一套基于视频的交通参数自动采集系统,实现了车型自动识别、车型自动分类以及交通流量的自动统计,为进一步研究提供平台基础。经过实际环境的测试,该系统的准确率达到85%。