1、隨著國(guó)家經(jīng)濟(jì)和城鎮(zhèn)化的快速發(fā)展，人們收入水平得到明顯提高，私家車逐漸成為出行必備工具。智能交通系統(tǒng)的研發(fā)具有越來(lái)越重要的實(shí)用價(jià)值，車型識(shí)別作為智能交通系統(tǒng)的關(guān)鍵組成部分，有著重要的應(yīng)用，如：公路自動(dòng)收費(fèi)系統(tǒng)、停車場(chǎng)車位管理、自動(dòng)駕駛等領(lǐng)域。
　　由于基于物理參數(shù)的車型識(shí)別算法主要有使用壽命短、對(duì)原始路面破壞性大、靈活性低等缺點(diǎn)，而基于視頻圖像處理的模式識(shí)別方法具有成本低、安裝維護(hù)方便、能夠獲取的信息更多等優(yōu)點(diǎn)而被更多的研究。因此，

2、本課題主要對(duì)基于視頻和圖像的車型識(shí)別方法進(jìn)行研究。而現(xiàn)存的方法主要是提取車輛的幾何特征，當(dāng)監(jiān)控的場(chǎng)景和角度發(fā)生變化時(shí)，模型相關(guān)參數(shù)需要調(diào)整，不利于車型識(shí)別系統(tǒng)的推廣，因此本文選擇使用紋理特征進(jìn)行車型識(shí)別。本文完成的主要工作如下：
　　本文調(diào)研了國(guó)內(nèi)外關(guān)于車型識(shí)別領(lǐng)域的研究現(xiàn)狀，分析了當(dāng)前車型識(shí)別算法的主要優(yōu)缺點(diǎn)。對(duì)原有的Vi B e背景建模算法中模型更新規(guī)則進(jìn)行了改進(jìn)，考慮到像素空間分布的擴(kuò)展性和背景樣本集中像素值分布的差異性，增

3、加了背景模型的魯棒性，實(shí)驗(yàn)表明該算法能夠有效的去除前景檢測(cè)中噪音的影響。對(duì)比了許多傳統(tǒng)的圖像識(shí)別算法和卷積神經(jīng)網(wǎng)絡(luò)運(yùn)用于車型識(shí)別的結(jié)果。并且提出了將特征編碼與卷積神經(jīng)網(wǎng)絡(luò)融合的車型識(shí)別算法，這利用了卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)到適合于分類識(shí)別的更高層特征，使模型表達(dá)能力更強(qiáng)，而特征編碼算法相當(dāng)于卷積神經(jīng)網(wǎng)絡(luò)的預(yù)訓(xùn)練。由于特征編碼向量已經(jīng)具有一定的分類能力，它與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合之后降低了對(duì)卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)提取特征的要求。因此可以簡(jiǎn)化網(wǎng)絡(luò)模型，加快