随着经济的发展，城市化、汽车化的加快，要求采用现代化的管理方法来实现交通管理，这样就引起了对智能交通系统(ITS)的研究。车辆辅助驾驶是智能交通系统的重要组成部分。以其自主式车辆事故预警和行驶导航机制，车辆辅助驾驶系统在提高汽车的主动安全性能和减少交通事故方面有着广阔的应用前景。采用计算机视觉技术的辅助驾驶系统，由于其探测范围的完整性和宽广性，具有优越的性价比，是辅助驾驶系统的重点发展方向之一。在过去的十几年里，基于视觉的车辆检测技术被越来越多地应用于辅助驾驶系统中。灵活可靠的车辆检测是车辆辅助驾驶系统的重要组成部分。然而，基于视觉的车辆检测是非常具有挑战性的。例如，被检测的车辆具有不同的速度、形状、角度和颜色。车辆外观受其姿态及它周围环境的影响。 本文总结并分析了近年来车辆检测算法的特点，同时研究并实现了基于计算机视觉的车辆识别算法。车辆检测算法由两个处理步骤组成：候选区域确定(hypothesis generation，HG)阶段和车辆认证(hypothesis verification，HV)阶段。在候选区域确定阶段，应用基于车辆先验知识的方法确定车辆可能存在的候选区域；在车辆认证阶段使用基于统计模式识别的方法对前一阶段的假说进行认证。 本文采用模式识别方法对车辆进行识别，处理流程包括三个部分：图像预处理、特征提取，分类器设计。首先利用预处理方法(颜色空间转换、Wiener滤波、Retinex 增强)对车辆样本进行预处理。然后利用特征提取方法(Q-shift DT CWT，小波系数高频非线性增强)对车辆和背景训练及测试样本进行特征提取。最后对训练样本特征提取阶段的结果进行训练SVM分类器，并应用训练好的SVM分类器进行分类识别检测。在车辆预处理和特征提取阶段采用了不同的方法并在不同的Video中与SVM分类法进行了大量的组合测试。结果表明，本文提出的车辆识别算法不仅具有较好的鲁棒性，而且能有效提高识别率和降低误识别率。