公路交通中的车型分类与识别系统是智能交通、现代化城市的重要构成部分。它的应用遍及园区与停车场管理、城市道路交通状况监控、以及高速公路收费等领域。利用计算机视觉、图像处理、模式识别、机器学习等技术的车型分类与识别系统,能在实际应用中发挥重要的作用,具有安装容易而且检测范围广等优点,是近年来的研究热点和发展趋势。本文为了研究套牌车与违章车的身份确认问题,提出了一种车辆品牌分类算法。本算法的特点是能提取汽车前脸(mask)图像,对图像进行分类且能够达到较高的分类精度,可以应对图像角度及尺度的不同所带来的干扰,而且对于光照的变化和天气条件的改变具有很好的适应性。本算法共包括两个部分：感兴趣区域(ROI)的定位；基于PCA-NET的车型分类。(1)感兴趣区域(ROD的定位：首先对车辆进行检测,本文利用基于对称特征的车辆检测方法确定车牌的中心位置,再利用车牌与汽车前脸的相对位置及比例定位感兴趣区域。并简要分析了选择该区域作为关键区域的原理以及由此而带来的优势。(2)基于PCA-NET的车辆品牌分类：PCA-NET是由级联主成分分析(PCA)、二进制哈希和块直方图三部分组成。其中主成分分析采用多级滤波器学习,接着利用带有索引的简单二进制哈希和块状直方图,最后使用支持向量机(SVM)来实现基于图像的汽车品牌分类。本文通过互联网下载与实地拍摄,采集了一定数量的汽车前视图像作为训练样本和测试样本,根据采集的数据进行4组数值实验,依次对暗光照条件、带有遮挡、不同视角下的分类准确率做了测试。从实验结果可以看到,对于车辆品牌的分类,本算法具有可靠的准确率,达到94.17%。对于不同视角、暗光、遮挡条件下的车辆品牌分类,本文也揭示了角度、暗光、遮挡对汽车品牌分类造成的影响。