自动车型识别(AVC)对解决车辆收费、道路监控、提高公路利用效率具有重要意义。传统的利用环形感应线圈或压电传感器等识别车辆类型，安装不方便，器件容易损坏，获取的交通信息比较少，因此未能广泛应用。而利用图像处理和模式识别技术识别车型，易于安装，可以长时间稳定工作，获取的信息丰富，适用范围广泛，是自动车型识别的发展方向。 采用图像处理和模式识别的方法识别车型，一般分为运动分割、多目标跟踪和车型判别三个步骤。本文首先从一段图像序列中恢复了不包含任何车辆的背景图像，利用背景和当前图像进行差异检测，从而分割出车辆目标，计算量较小。在分割的基础上，为了正确统计车辆数量，计算车辆速度，必须进行目标跟踪。本文利用运动的连续性，采用面积、形心、速度等区域特征进行区域跟踪，计算量小，可以在一定程度上解决因遮挡带来的分裂合并问题。在车型判别阶段，单摄像头摄像丢失了深度信息，很难从图像中获取车辆的特征参数，本文利用车辆边缘和车辆模型相匹配的方法识别车型，匹配的好坏程度用Hausdorff距离度量，这种方法对噪声和形变适应性较好。三维世界向二维图像平面投影的过程中，还需要定标摄像机，定标模型采用了方法简单、应用广泛的针孔模型。利用定标结果，可以在跟踪过程中计算车辆速度。算法在PC上实现之后，被移植到Trimedia TM1300 DSP上，进行了测试和优化。