随着国家实力的快速提高,城市化持续推进,人民可支配收入的持续上涨,2014年底中国机动车保有量达到2.64亿,跃居全球第二位。在方便资源配置、人们出行的同时,也带来了日益严重的交通问题。道路拥堵、管理混乱、交通环境恶化的状况越来越引起社会和政府的重视,迫切寻求一种更为快速、高效、实用的道路管理方式,智能交通系统(ITS,Intelligent Transportation System)应运而生并取得飞速发展。汽车车型识别系统是ITS的重要组成部分,为交通管理提供了大量的数据支撑。相对于传统的配备射频装置、利用电磁感应等方法,论文采用的基于视频的图像处理技术不仅安装方便,更新简单,而且可以获得更加丰富的道路信息。通过对图像处理检测技术的研究,论文设计出一套自动识别汽车车型的实时判别系统。论文主要工作有以下三部分:(1)分割目标车辆:针对背景法提取目标模糊,帧差法容易出现空洞、改变形状,光流法计算复杂等情况,本文提出优化的高斯模型检测算法,构建基于时域和空域的背景模型,并对传统迭代分割法进行改进,选取合适阈值消除阴影,避免出现获得的目标区域大于车辆本身的情况。(2)针对单一特征难以完善表述车辆信息并加以区分的问题,本文选取纹理图像的熵、边缘密度、面积,长宽比特征来描述车辆图像,作为车辆图像的分类特征。(3)介绍了模式识别和支持向量机,提出优化的二叉树向量机分类方法,并用其对样本进行训练,确定可分性测度后,优先判别出容易区分的类别,并根据交叉验证法选择合适的和核函数与惩罚参数,最后对本方法进行仿真,结果正确率令人满意,适合用于汽车车型识别。