随着经济发展,车辆日见增多,交通拥堵问题日益突出,如何缓解交通压力已成了交通部门需要解决的问题之一。随着信息技术的不断发展,智能交通系统得到了越来越广泛的应用。基于视频、图像处理技术和互联网的智能交通为城市发展、城市管理、交通规划以及交通疏导发挥着极其重要的作用。但是,总体来说,目前的智能交通技术智能化依然很低,虽然摄像机遍布城市各个角落,提供了大量的图像,目前获取信息的办法就是人工观看视频,而能够智能化地从视频图像中所获取的信息极少。为了从视频中获取尽可能多的信息,发挥智能交通的最大功效,通过计算机自动对动态视频图像处理是唯一途径。本文所进行的车型自动识别技术就是为了解决车型自动设别而进行的。车型自动识别是以模式识别为技术,通过提取图像特征向量的方法,实现车辆的自动分类,在实现车辆的不停车收费方面具有潜在的应用,可以帮助交管部门快速的查找车辆,而且还可以对相关的数据进行统计。车型自动识别技术的难点在于车型分类的准确率低,分类时间长。本文的研究目的是为了解决车型分类准确率低和消耗时间长的问题。论文中主要进行了以下方面的研究:用车辆图像建立一个车脸图像的模板库,并提取出每个模板的方向梯度直方图特征,然后处理车辆图像,定位出车辆的位置,提取出车脸图像,并提取出车脸图像的方向梯度直方图特征。通过和模板库里每个图像的特征值进行匹配得出结果。论文提出了分类分级式的方法,分类分级式方法里的特征值匹配提高了车型分类的准确度,但是增加了分类时间。采用了主成分分析运算,缩短了分类的时间。设计了类似于多进程处理的方法,提高了程序的运算效率,打破了计算机单进程运算慢的限制。论文采用特征值的匹配来进行车型分类的方法,识别率能达到90%以上,要优于目前的分类方法,每幅图像的分类时间在50ms左右。证明了车型自动识别系统的可行性。