1、隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展，交通需求量不斷提高，而交通管理的相對(duì)滯后，使得道路交通問題越發(fā)嚴(yán)重。引入智能交通系統(tǒng)是改善這一問題的有效方法。車型的自動(dòng)識(shí)別技術(shù)是智能交通系統(tǒng)中的關(guān)鍵技術(shù)之一，主要通過車型識(shí)別系統(tǒng)采集車輛原始圖像，運(yùn)用相應(yīng)的圖像處理算法和模式識(shí)別算法來獲取車輛的相關(guān)信息，最后進(jìn)行智能化數(shù)據(jù)管理。本文提出了基于模糊神經(jīng)網(wǎng)絡(luò)的車型識(shí)別方法。
　　 在運(yùn)動(dòng)車輛檢測(cè)部分，通過對(duì)不同運(yùn)動(dòng)目標(biāo)檢測(cè)方法的分析和比較，本文選用背景差分法

2、來檢測(cè)運(yùn)動(dòng)車輛，較好地確定了車輛區(qū)域。提出背景圖像更新算法，以消除背景環(huán)境變化過大對(duì)車型分割效果的影響。
　　 在車輛圖像處理部分，首先采用大津法對(duì)車輛圖像進(jìn)行二值化處理，選用中值濾波算法對(duì)圖像濾波去噪，得到較為理想的車輛二值化分割圖像。然后采用形態(tài)學(xué)處理方法對(duì)車輛區(qū)域進(jìn)行填充，利用canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)，從而得到較為完整的車型輪廓圖像。
　　 在車輛的特征值提取部分，通過對(duì)不同圖像特征的分析和比較，本文選擇具

3、有旋轉(zhuǎn)、平移及縮放不變性的偽Zernike矩作為車型特征來進(jìn)行最后的車型識(shí)別，并利用該方法提取部分車輛圖像的特征值數(shù)據(jù)，作為模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試樣本。
　　 在車型的識(shí)別部分，提出模糊邏輯與神經(jīng)網(wǎng)絡(luò)融合的識(shí)別算法，設(shè)計(jì)模糊神經(jīng)網(wǎng)絡(luò)模型。首先采用高斯隸屬函數(shù)對(duì)輸入矢量進(jìn)行模糊化，選用T-S模糊推理方法建立模糊推理規(guī)則，利用BP神經(jīng)網(wǎng)絡(luò)中的學(xué)習(xí)算法對(duì)模型進(jìn)行訓(xùn)練。然后運(yùn)用MATLAB中的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)工具箱(ANFIS)建立