城市交通监控体系,为智能交通系统的主要分支之一。城市交通中,交通监管在智能化发展上发挥着核心效用,亦于交通领域以及模式识别上,皆发挥着举足轻重的作用。随着社会经济的发展,及大众生活水平提升,机动车辆呈现出逐年增加趋势,私人拥有机动车的增长,更为迅猛,由此诱发了系列交通问题。交通违章及事故增多,给城市交通及人身安全带来隐患。故此,对交通管理提出更高要求,因无法实现对城市内的所有路口与路段,实施全方位全天候的“人力监控”,要解决这问题,就必须运用“机器视觉及图像处理”科技技术,设立城市智能化交通监管体系,对过往的车辆实施车型检测及识别。本文对基于车辆图像的车型分类问题展开研究,通过多视角车辆分类器和稀疏编码,设计一个有效的车型识别方法,可对摄像机采集到的视频与图像内的车辆,实施定位与车型分类,具体如下:1)边界定位。于计算机上,分析及处理所采集到的图像,获取车辆的轮廓信息,即系车辆的长、宽、高等数据。2)采用HOG特征和SVM,构建多视角分类器,对待分类的车辆图像进行视角估计。3)对于确定视角的车辆图像,通过不同视角的数据,采用稀疏编码方式,提取有效的车型特征;每个视角下,单独进行稀疏编码。4)将每种视角下稀疏编码以及视角估计的结果,进行合并,设计最终的车型特征,采用SVM对车型进行分类,判断出车型。相比与传统的方法,本文的改进之处在于将稀疏表示引入的车型特征的表示中,通过将单一尺度的HOG特征扩展到多尺度的模式下。研究结果显示,稀疏编码方法分类的正确率高于传统词包方法,采取多视角识别手段,可提升识别正确率,经与多级分类器相结合手段,对车型图像实施多级划分,亦有效提升了分类正确率。