截至2015年底,全国汽车保有量1.72亿辆,汽车驾驶人超过2.8亿人。交通管理压力日益加大,车辆行使违法、违章等现象频发。为了更好的维护交通秩序,急需提高交通运输管理的信息化程度。传统概念中,识别车牌是识别车辆信息的直接有效途径,甚至是唯一途径。但是难于应对车辆套牌、无牌等情况。本文研究的主要内容是在图片或者视频的复杂背景中,提取车辆信息,建立应用系统,对车辆进行非牌照识别。这是一个图像检索和识别过程,系统在车辆数据库中进行检索,将检索对比图像按照归一化的相似度,从高到低排列,有助于甄别套牌车。本文通过基于车辆图像不变量特征,进行车型识别。采用SIFT算法检测图像特征,并对特征进行矢量化描述。采用基于“词袋模型”的方法,将车辆图像量化为“码书”,将同一类车型的“码书”用支持向量机(Support Vector Machine,SVM)训练成车型分类器,研判输入图像的车型。在车辆检索和识别过程中,为了解决在复杂图像背景中准确“找车”的问题,采用可变形部件模型(Deformable Part Models,DPM)这种基于机器学习和模板相结合的方法,进行车辆检测,并对DPM模型进行改进。在DPM原有的车辆库的基础上,对同类车的多部件进行训练,获得车辆的前后左右四个角度的DPM模型,用来对车辆进行视角分类,直接检测特定角度的车辆,减少匹配时间,提高识别效率和精度。在基于SVM的车牌识别、DPM模型的研究基础上,利用车辆检索与识别技术,开发车辆检索与识别系统。实验结果证明本文的方法能够有效地检索和识别车辆,有助于研判无牌、车牌遮挡、污损、替换、伪造等套牌车辆。