随着社会经济的飞速发展,人们生活水平的提高,交通流量日益增大,各种交通问题频繁发生,智能交通系统就变得尤为重要。交通载具作为整个交通的载体,是智能交通系统研究的重点。为了实现对交通载具的有效管理,对典型交通载具进行科学合理的智能分类是当前信息、通信、自动化、计算机等相关领域的热点研究方向之一。本文在着重分析研究了图像特征提取、稀疏编码、模式识别理论的基础上,实现了一种基于类字典稀疏识别的典型交通载具分类系统。该系统是对交通场景中的自行车、摩托车、汽车这三种典型的交通载具利用稀疏识别的方法进行分类处理。采用局部特征描述算子,SURF算法进行特征提取,对训练样本提取特征构建全局字典进行稀疏识别。并通过实验对系统进行验证。针对上述系统存在的问题进行改进。提出了基于类字典稀疏识别的典型交通载具分类系统。在特征提取方面,提出了基于FCM聚类的SURF特征提取方法,使每幅图像的特征向量均为固定的维数且包含大部分的有用信息。方便了后续处理,降低了特征向量维数。在稀疏识别方面,针对全局字典信息存在大量冗余并且没有很好地突出各交通载具的局部特征。引入了类字典和字典学习,以更好的表示交通载具的局部特性,提高字典的表征能力,从而提高识别率。通过三组对比实验对系统进行验证。分别为本论文的稀疏识别方法和SVM方法的对比、全局字典与类字典之间的对比、传统的SURF特征和改进的SURF特征的对比。实验表明,本文论提出的方法对自行车、摩托车、汽车这三种交通载具达到了较好的识别效果。