智能交通中的车型识别系统是现代化城市、公路交通的重要组成部分。它主要应用在城市道路交通状况监控、园区与停车场管理以及高速公路收费等领域。利用图像处理、计算机视觉、模式识别等技术的车型识别系统,能够在实际应用中提取丰富的车辆信息,具有检测范围广而且安装容易等优点,是近些年来的研究热点和发展趋势。本文设计了一个基于SURF算子的车型识别算法。本算法的特点是能提取到详细的车型(Vehicle Manufacturer and Model)信息,能够满足实际的识别要求,可以应对图像尺度不同所带来的干扰,而且对于光照变化和天气条件改变具有很好的鲁棒性。本算法共包括三个部分：车牌的定位；汽车关键区域的分割；车型特征的提取与识别。(1)车牌定位,本文采用的车牌定位算法基于Sobel边缘检测算子。本方法首先通过Sobel算子来实现汽车灰度图像的边际特征提取；接下来采用阈值化图像分割算法对图像进行二值化处理；然后通过数学形态学运算对阈值化分割后的二值图像进行处理,得到车牌的备选区域；最后根据车牌特征去除掉虚假车牌,得到精确的车牌定位。(2)汽车关键区域分割,本文将前一步得到的车牌位置作为基准位置,据此定义汽车关键区域的范围及相关参数,并且简要分析了选择该区域作为关键区域的原理以及由此而带来的优势。(3)特征提取与识别,本文在比较多种图像特征后,选取SURF描述子来表征图像。基于SURF算子实现的车型识别算法具有良好的尺度不变性和旋转不变性,而且对于光照的变化具有鲁棒性。在识别环节,通过统计匹配特征的数量,将匹配对数最多的车型输出,作为识别的结果。本文通过实地拍摄与互联网下载,采集了大量的汽车图像,并以此为测试数据进行三组数值实验,分别测试了白昼条件下、暗光照条件下、不同视角下的识别率。从实验结果可以看到,对于汽车前视图的识别,本算法具有可靠的识别率：白昼条件下为93.18%；暗光照条件下为80%。对于多视角条件下的车型识别,本文揭示了角度变化对识别造成的影响。