近年来,伴随着科学技术以及智能化交通的发展,车辆智能识别系统已成为研究的热点。车辆识别系统在桥梁路口自动收费、停车场管理、智能小区构建、违章车辆记录以及交通事故处理等方面有着广泛的应用。车辆识别系统主要由车牌识别及车标识别两大核心技术组成。目前车牌识别方法的研究日趋成熟,但是仅靠一种技术手段很难满足智能交通系统以及智能小区等对于视频监控的要求。随着车辆数量的不断增加,交通事故、违章逃逸、盗抢车辆等案件也显著增加。犯罪分子往往利用更换车辆牌照,改变车辆外观等方法加大了侦查及破案的难度。为此,产生了车标识别技术,车型识别技术等。车标识别技术包括车标定位及车标识别两项关键技术。由于受车辆图像的自然背景和车身背景、光照条件、天气条件等因素的影响,车标定位成为车标识别技术中一个具有挑战性的课题。本文主要研究车牌定位、车标定位与识别的方法,首先提出一种基于车牌结构特征以及颜色特征的由粗到精的车牌定位方法；其次针对基于统计学习的定位方法不能满足实时性的缺点,提出了一种基于车牌定位先验知识以及形态学算法由粗到精的车标定位算法。该算法首先利用车标与车牌的位置关系对车标进行粗定位,其次利用sobel算子的垂直及水平模板对粗定位后的图像进行边缘检测以及形态学运算,精确定位出车标位置。最后,根据车标图像的Hu不变矩进行特征提取,并应用欧氏距离最小距离分类器实现车标识别。对于定位后剪裁的图像有干扰的情况,本文提出应用Niblack局部阈值法对待检测图像进行二值化,再基于Hu不变矩和欧氏距离进行识别。经测试检验,该方法有较好的精度和较快的处理速度,车标识别的平均处理时间为1.12秒,识别精度为93.75%。