随着智能交通系统的日益发展，车辆识别技术在智能交通监控、智能交通信息系统等方面应用越来越广泛。车辆识别包含了运动车辆检测、车辆型别分类、车辆跟踪以及车牌识别等内容。本文对交通监控视频中的车辆识别相关技术进行了研究。本文的主要研究内容如下：　　(1)在对交通视频监控中的运动车辆检测方法研究的基础上，本文应用众值对初始化背景的数据进行过滤，融合了 NCC与 HSV颜色空间对阴影进行消除，利用投影法对粘连车辆进行分割。　　(2)本文对自动编码器在车辆识别中的应用进行了研究，分析了自动编码器特征在车型识别中的性能。在研究的基础上，融合卷积神经网络和稀疏自动编码器网络对车辆提取卷积特征，通过逐层贪婪训练法训练深度卷积自动编码器网络，实现车型分类。　　(3)本文研究了Mean Shift跟踪算法的基本原理，分析Mean Shift跟踪算法的优缺点并对Mean Shift算法的鲁棒性改进进行讨论。本文融合了梯度方向直方图和灰度直方图特征以增强目标模板的描述能力，应用 Kalman滤波器方法来优化Mean Shift跟踪迭代的初始位置和处理遮挡问题并利用矩特征对跟踪车辆的尺度进行估计。　　(4)本文在基于边缘分析的车牌定位以及基于投影分析的字符分割的基础上，应用深度玻尔兹曼学习机提取车牌字符的深度特征并利用Softmax分类器来实现车牌字符的识别。