交通监控当前已得到广泛应用,为交通监管带来便捷。涉及车辆的刑事案件追查,如对交通肇事车辆、被盗窃车辆的追查等,耗费大量的人力物力。基于监控视频的智能搜索将在这一领域发挥巨大的潜能。本论文从这一应用出发,研究视频图像的运动物体分割,特征提取,以及分类识别等相关课题。设计开发出基于视频监控图像的目标车辆搜索系统。本论文研究内容涉及视频图像处理,模式识别和人工智能诸多课题。文中对数字图像处理一些方法进行了讨论,包括分割算法,直方图统计,腐蚀与膨胀,斑块统计等。视频序列图像运动物体分割方法多样,论文采用背景差分方法分割图像,重点讨论了背景更新模型,对中值滤波背景模型、自适应背景模型、高斯背景模型进行论述,并讨论了背景模型的更新策略。研究提出了基于HSI彩色模型的阴影消除算法与自适应背景更新模型的改进算法。在车辆的模式特征提取方面,论文从系统需要出发,对车型、颜色、车牌进行了既有联系又有区别的处理。针对颜色识别提出基于HSI模型量化识别方法,并对算法的实现进行改进和优化。车型识别采用顶长、顶高、前后比特征模式,特征提取采用投影直方图方法,对阈值的选取提出自适应阈值更新算法,便捷有效。分类识别原理与方法是论文研究的又一重点,详细讨论了神经网络BP算法,分别应用于车型与车牌字符的识别,针对车牌识别的复杂情况,设计了三个分类器,以降低算法的复杂度,对字符学习算法使用带冲量项的改进算法,提高系统学习的效率。系统实现了图像预处理、车辆分割、车型识别、颜色识别、车牌识别等模块,每个模块的实现都选择采用了高效的算法,并进行大量的优化,达到了实际工程应用目标。