1、車型識別是智能交通系統(tǒng)的一個重要組成部分，可以在交通流量管制、停車場自動收費系統(tǒng)、高速公路收費站等領(lǐng)域發(fā)揮重要作用?；谝曨l圖像序列的車型識別方法具有直觀性、經(jīng)濟性、信息量豐富、適用范圍廣等特點，因此對其進(jìn)行研究和開發(fā)變得越來越有實際應(yīng)用價值。隨著社會需求的不斷提高，對車型識別的準(zhǔn)確性和實時性有了越來越高的要求。
　　論文在研究并對比國內(nèi)外智能交通應(yīng)用中車型識別方法基礎(chǔ)上，設(shè)計實現(xiàn)了一套基于視頻圖像的車型識別系統(tǒng)。主要從以下幾個方

2、面進(jìn)行了論述:
　　首先給出了一種基于視頻圖像的車型識別系統(tǒng)實現(xiàn)方案。利用攝像機和個人電腦搭建了一個車型識別系統(tǒng)的硬件平臺，該硬件平臺可以實時獲取道路上的車輛視頻信息，并將這些獲取到的車輛視頻圖像信息用于車型識別。軟件方面論文基于對現(xiàn)有車型識別算法的對比分析研究，設(shè)計實現(xiàn)了一套基于多特征融合的車型識別方法。
　　其次實現(xiàn)了視頻圖像預(yù)處理和車輛檢測?；跀z像機獲取的道路視頻圖像，經(jīng)過灰度化、濾波等預(yù)處理之后，去除噪聲干擾，減少

3、圖像中不相關(guān)信息。然后進(jìn)行車輛檢測，論文在分析比較多種目標(biāo)檢測方法基礎(chǔ)上，實現(xiàn)了基于混合高斯模型的背景差分法目標(biāo)檢測，該方法在論文的應(yīng)用場景中可以取得較好檢測效果。
　　然后進(jìn)行了車輛特征提取與車輛跟蹤?；谇懊孳囕v檢測結(jié)果，進(jìn)一步提取車輛特征，進(jìn)而對車輛進(jìn)行分類識別。論文選用了多特征融合的方法進(jìn)行車輛識別，包括車輛幾何特征、HOG(Histogram of Oriented Gradient)特征和SURF(Speeded Up

4、 Robust Features)特征，該方法可以更加全面地描述不同類型車輛特征，極大提高車型識別準(zhǔn)確性。為了進(jìn)一步提高車型識別準(zhǔn)確率，在分析兩種不同目標(biāo)跟蹤方法之后，論文選用卡爾曼濾波跟蹤方法對車輛進(jìn)行跟蹤，利用車輛跟蹤對同一輛車進(jìn)行多次識別，再對多次識別結(jié)果進(jìn)行統(tǒng)計分析，得到最后分類結(jié)果，減少識別過程中單次識別分類誤差造成的分類錯誤，提高車型識別準(zhǔn)確率。
　　最后進(jìn)行了車型分類器的設(shè)計與實現(xiàn)和系統(tǒng)的整體測試。在分析SVM支持向