1、智能交通系統(tǒng)已經(jīng)成為電子信息技術在交通運輸領域的熱點研究課題。而圖像處理和模式識別技術在智能交通系統(tǒng)的應用研究，是智能交通系統(tǒng)重要的前沿研究領域，具有極其重要的理論和應用價值。隨著視頻設備在交通系統(tǒng)中的大量普及，結(jié)合視頻設備，獲取更多的交通數(shù)據(jù)，提高設備利用率成為當前國內(nèi)外研究的一個重要課題。同時，也是為了克服傳統(tǒng)的運動車輛檢測和人工識別車輛的諸多缺點的影響，如效率低下、準確度不高、維修安裝困難等，所以開展了本課題的研究。 基于

2、視頻的車型識別系統(tǒng)利用數(shù)字圖像處理與計算機視覺相結(jié)合的方法，獲得智能交通系統(tǒng)所需要的信息。它是對特定地點和時間段內(nèi)的車流信息進行采集、識別和分類，把得到的交通流數(shù)據(jù)作為交通管理、收費、調(diào)度、統(tǒng)計的依據(jù)。 本文基于圖像處理和模式識別的研究現(xiàn)狀，在深入研究了已有的運動目標檢測算法和模式識別方法及相關理論的基礎上，以普通監(jiān)控用攝像頭同步拍攝的運動車輛圖像序列為研究對象，對基于視頻圖像的車輛識別系統(tǒng)中的關鍵技術--運動車輛檢測和目標車輛

3、的識別進行了全面地介紹，著重研究了運動目標檢測算法、圖像分割算法、識別特征提取和識別方法等。 本文分析了不同拍攝角度拍攝到的視頻圖像對檢測和識別的影響，介紹了圖像處理中最基本的操作，膨脹、腐蝕、開、閉等操作，重點論述了連通域標記方法，并給出了一種基于輪廓跟蹤的連通域標記算法。 在視頻圖像獲取過程中，攝像機輕微抖動、天氣引起的光線變化等外界環(huán)境會影響運動目標的檢測精度，針對這一問題，本文提出了一種基于高斯平均的背景更新算法

4、，能較好地抑制外界環(huán)境變化帶來的影響，并具有較好的實時性。文中采用了基于虛擬檢測線框的運動車輛檢測算法，并對傳統(tǒng)的該算法做了改進。 車型識別部分，本文以車輛的正側(cè)面為研究對象，以輪廓的整體形狀作為識別特征，提出了一種是基于輪廓形狀特征的車型分類識別方法，該算法通過長寬比、拉長度、矩形度、圓形度等車輛輪廓形態(tài)的七個特征分量構成一個特征向量組，再以最近鄰法作為依據(jù)實現(xiàn)車型的識別分類，取得了較為理想的效果。 本文以VC++6.