在智能交通系统(Intelligent Transportation Systems,ITS)中,车辆信息的计算和获取对车辆自动监控和全自动收费系统的建立起着关键的指导作用,而车型检测技术是实现公路交通自动化的重要方面,这项技术的深入研究对提高公路交通的自动化程度,促进智能交通系统的发展具有重大的实际意义。对汽车实现智能化的车型识别是智能运输系统的一个重要组成部分,在智能运输系统中,车型识别在交通智能监控和自动收费系统中起着重要作用,同时也是智能运输系统研究领域中的热点和难点之一。论文概述了现有的车型识别方法,提出了基于小波分析和矩特征的车型特征提取和识别算法。目前,车型种类众多,车型的分类主要依赖于车辆的外形特征,具有代表性的外形特征的提取和选择为正确分类提供了有力保证。小波分析作为多尺度分析方法,具有很好的描述时频信息的能力,能够反映信号在各个尺度下的整体逼近信息和局部细节信息,是信号和图像时频局部化分析的有力工具。矩不变量在图像进行平移、旋转和尺度变换时保持定值,因此被广泛使用在目标识别、图像分类、图像压缩和场景匹配等各种领域。本文研究了两种车型识别的方法——基于小波矩的车型识别算法和基于线性矩的车型识别算法。小波分析和目标矩特征有各自的优点,将它们结合起来组成小波矩用于目标识别,除了具有矩的平移、缩放和旋转不变性外,还能够把握图像的细节特征,使分类处理的速度和精度得到了提高;线性矩的方法是通过构造从质心出发的一组线性矩,将图像的二维信息转换为一维信息,对这组矩进行小波变换获得具有平移、缩放不变性的特征。另外,论文还讨论了车辆分割和预处理的方法,利用当前图像与背景图像的差分去除背景,并通过滤波等处理将车辆准确地从背景中分割来。对以上两种识别算法都进行了仿真实验,验证了算法在车型识别中的有效性。