随着智能车系统无人驾驶功能的逐渐完善,对实时道路信息处理的要求也越来越高,车辆类型识别功能的实现将有助于它在实际复杂环境中的应用与扩展。并且车辆类型识别的研究对目标识别领域和智能交通系统的发展具有相当重要的推动作用。但在诸多的目标识别和智能交通系统领域的研究中,对车辆类型识别的研究还鲜有成果。本文针对单目相机采集的序列图像,面向智能车辆的环境感知任务,主要针对车辆检测与车辆识别分类两个任务展开研究,完成了以下工作和研究成果:1、提出了一种快速的基于通道特征和级联的Ada Boost分类器的单目视觉车辆检测算法,并应用于实际的车辆检测任务中;2、提出了一种有效的基于直方图交叉核的字典学习方法并利用学习得到的字典建立有效的目标局部特征编码描述,然后利用最小二乘概率分类器,实现了对多类车辆类型的快速识别。上述工作和成果是针对驾驶环境下的车辆目标类型识别的研究,该研究在实际应用方面做出了积极探索,最终的实验结果也证实了该系统方法的有效性,这为智能驾驶环境感知中的目标自动识别和实时性目标识别的研究奠定了基础。