车型识别是智能交通系统的一个重要组成部分,可以在交通流量管制、停车场自动收费系统、高速公路收费站等领域发挥重要作用。基于视频图像序列的车型识别方法具有直观性、经济性、信息量丰富、适用范围广等特点,因此对其进行研究和开发变得越来越有实际应用价值。随着社会需求的不断提高,对车型识别的准确性和实时性有了越来越高的要求。论文在研究并对比国内外智能交通应用中车型识别方法基础上,设计实现了一套基于视频图像的车型识别系统。主要从以下几个方面进行了论述：首先给出了一种基于视频图像的车型识别系统实现方案。利用摄像机和个人电脑搭建了一个车型识别系统的硬件平台,该硬件平台可以实时获取道路上的车辆视频信息,并将这些获取到的车辆视频图像信息用于车型识别。软件方面论文基于对现有车型识别算法的对比分析研究,设计实现了一套基于多特征融合的车型识别方法。其次实现了视频图像预处理和车辆检测。基于摄像机获取的道路视频图像,经过灰度化、滤波等预处理之后,去除噪声干扰,减少图像中不相关信息。然后进行车辆检测,论文在分析比较多种目标检测方法基础上,实现了基于混合高斯模型的背景差分法目标检测,该方法在论文的应用场景中可以取得较好检测效果。然后进行了车辆特征提取与车辆跟踪。基于前面车辆检测结果,进一步提取车辆特征,进而对车辆进行分类识别。论文选用了多特征融合的方法进行车辆识别,包括车辆几何特征、HOG (Histogram of Oriented Gradient)特征和SURF (Speeded Up Robust Features)特征,该方法可以更加全面地描述不同类型车辆特征,极大提高车型识别准确性。为了进一步提高车型识别准确率,在分析两种不同目标跟踪方法之后,论文选用卡尔曼滤波跟踪方法对车辆进行跟踪,利用车辆跟踪对同一辆车进行多次识别,再对多次识别结果进行统计分析,得到最后分类结果,减少识别过程中单次识别分类误差造成的分类错误,提高车型识别准确率。最后进行了车型分类器的设计与实现和系统的整体测试。在分析SVM支持向量机和LibSVM源代码基础上,实现了本系统所用的SVM分类器,并利用已有的训练样本对SVM分类器进行训练,在训练的过程中通过不断测试和修改分类器参数达到更好车辆分类效果。最后,基于论文硬件平台对获取道路车辆视频进行车型识别的系统性能测试,验证论文方法并对最后的测试结果进行分析。