随着时代的进步和经济的发展,汽车已经成为人们出行普遍使用的交通工具。为了发展智能交通系统,高效合理的对车辆进行管理,获取车辆真实信息,防止套牌、非法改装等违法现象,车牌,车标、车色、车型等信息识别技术至关重要。本文主要研究了车辆信息识别技术中的两个方面:车牌识别和车标识别。在车牌识别方面对车牌提取和车牌字符识别进行相关研究,在车标识别方面主要针对车标分类算法进行相关研究。车牌提取部分:设计并实现了基于多特征的车牌提取方法。基于国内车牌的特点,设计并实现了基于颜色信息、边缘检测、MSER的车牌定位方法,然后通过基于直线拟合的方法完成了车牌的倾斜矫正,最后基于车牌候选区的相关特征,训练SVM车牌分类器完成车牌筛选。相比于使用单一特征的车牌提取,本文提出的方法有更高的准确率。车牌字符识别部分:设计并实现了基于卷积神经网络的车牌字符识别方法。基于国内车牌字符的特点,设计并实现了基于连通域的改进字符分割方法,通过确定中文字符的位置完成分割任务,方法实现简单,分割效率较高;设计并实现了基于卷积神经网络的车牌字符识别方法,基于LeNet-5和VGG16分别搭建一个7层和12层的卷积神经网络。相比于传统方法,本文搭建的7层卷积神经网络有更高的字符识别准确率。车标分类部分:设计并实现了基于Capsule网络的车标分类方法。将基于动态路由的Capsule网络应用于车标分类,在网络内部实现特征聚类的效果,很大程度上减少了权重的更新次数,并且还能够得到更有利于分类的结构化特征。相比于传统方法,本文提出的基于Capsule网络的车标分类方法有更高的车标分类准确率。