由于假牌照,套牌照,无牌照车辆的存在,以及特殊用车的要求,通过识别出车牌号码来获取车辆信息的方法本身存在局限性。本文基于车牌定位来检测车脸从而识别车型的方法利用车牌位置进行定位,不需要识别车牌号码,在无法获得车辆真实车牌号码的情况下获取车辆信息。车辆图像的车脸部分包含丰富的车辆信息,该方法通过获取车脸图像分析研究进行车脸检测与车型识别,相对于常用的基于车辆边缘或车辆颜色的图像识别方法,具有高效、准确的优点。本文研究基于车牌定位来实现车脸检测与车型识别方法,运用了 Adaboost算法分类器进行车牌定位检测并获取车脸,提取车脸图像HOG特征,训练SVM分类器实现车型识别。本文主要工作如下:采用Adaboost算法分类器进行车牌定位,分类器得到车牌区域和非车牌区域,并完成车牌定位,车牌定位后根据几何模型获取车脸区域图像。分类器训练过程中,首先预处理真假样本图像,提取图像积分通道特征;将特征样本输入到Adaboost算法分类器,使其具备车牌区域识别和定位功能,从而构造好分类器模型。对于待检测车辆的图像,提取图像的积分通道特征;Adaboost算法分类器检测定位车牌区域,按照规定尺寸获取标准大小的车脸图像。采用滑动窗口的方法提取车脸图像的HOG特征,针对车脸大小选择合适的正方形滑动框,每滑动滑窗一次都对窗口内的图像块进行HOG特征提取,逐步完成整个特征提取过程。利用特征降维的SVM分类器来降低样本特征模板大小。首先用大量局部HOG特征来训练SVM分类器,接着将每一个局部分类器的分类结果集合到一起成为新的特征矢量,用最终的SVM分类器分类训练新的特征矢量,完成整个车脸的检测与车型识别过程。利用交通图像进行车脸检测与车型识别过程的模拟仿真,仿真实验结果表明:该方法在具有较高的车脸检测结果的同时能识别出不同车型,在交通智能监控系统、公安稽查等领域具有较好的应用前景。