车标识别作为智能交通系统的一个重要组成部分，在车辆管理和交通管理领域具有广泛的应用前景，同时车标识别为车辆身份认证提供了重要信息具有一定的研究价值。现有的车标识别算法中，提供的特征大多为手工设计的特征，其缺点是:需要丰富的经验来设计和优化特征描述子，面对复杂环境鲁棒性差。与手工设计的特征相比，基于特征学习的车标识别方法在解决复杂环境下的车标识别问题方面具有很大的优势。因此，本文针对基于特征学习的车标识别方法进行研究，主要工作如下:　　(1)分析现有的各类车标识别算法:对现有的车标识别算法进行总结，包括基于传统特征的车标识别算法和基于深度学习的车标识别算法，并对各算法的特点进行分析。　　(2)提出了一种逐步细化的车标精细定位方案:结合车标与车牌和车脸的位置关系，提出一种由粗到精的车标细定位方法，在车牌和车脸的基础上首先实现车标的粗定位，通过提取车标区域和非车标区域的特征，结合Adaboost算法训练分类器模型，最终实现车标细定位。　　(3)提出了一种基于特征学习的车标识别算法:结合传统特征中的局部采样方法和深度学习里的网络结构，提出一种基于学习的车标特征提取方法，通过学习到的映射参数将提取的像素梯度差映射到一个低维的二值特征向量，使得提取的车标特征更加紧凑和鲁棒。