车型分类技术作为智能交通系统中关键技术，对提高道路运输效率，改善 车辆收费检测等方面有着重要的理论与现实意义。视频检测技术以其独特的宽 视角、低成本、智能化等优势，成为车型分类技术研究的新热点。模板匹配法 和特征识别法是视频检测技术的主要方法，两者都有较高的识别精度，由于后 者的鲁棒性和实时性能优于前者，便于推广应用，但是该方法存在两个主要问 题：车型分类神经网络需要优化，目标提取算法性能与工程应用要求尚有差距。 论文针对上述问题展开研究，并给出改进措施。本文研究工作主要有以下几点： (1)课题相关的理论和技术研究现状的综述。论文分别对主要的车型分类 技术和运动目标检测方法进行比较，并归纳了BP神经网络优化的方法。 (2)基于BP神经网络的车型分类系统的构建。在比较主要车型分类技术的 基础上，选择基于BP神经网络与目标特征的视频检测技术。在参考该技术原理 的基础上，组织车型分类系统的工作流程，设计BP网络结构，分析目标特征提 取与分类识别的主要步骤。 (3)BP算法的改进。分析BP网络存在的问题和BP算法原理，引入遗传算 法、动量项等对BP算法进行优化，完成GA&BP混合学习算法的设计与仿真。 (4)目标特征信息提取算法的选择。采用耗时低的Surendra背景提取算法、 迭代阈值分割算法、斑块线性处理算法等，改善目标特征提取工作的实时性。 (5)车型分类系统的应用、仿真。运用VC6.0完成交通视频车辆检测系统 的初步设计，利用Matlab神经网络工具箱对系统分类算法进行仿真验证。应用 效果与仿真结果表明，基于优化BP网络的车型分类技术的实时性和分类识别性 能等关键指标得到较明显的改善。本文构建的车型智能识别系统的精确性、鲁 棒性、实时性等关键性能达到系统设计的预期要求。 最后总结本文的研究工作，提出进一步工作的方向。 关键词：智能交通系统，BP神经网络，车型分类，特征提取