随着我国经济的持续发展和群众生活素质的显著提高，交通堵塞、交通事故率升高、交通管理技术落后、交通环境恶化等问题已愈加严重，在这种背景下，智能交通系统ITS利用现有的交通资源设施，运用各种先进科学技术解决交通问题得到了充分的发展。ITS的主要任务和关键技术就是车型识别与分类，其中，基于视频图像的车型识别技术成为研究的热点，但在复杂背景下其识别准确率不高，识别车型较少，针对这一问题，本文首先将自适应背景更新法引入到背景差分法中，在有效地消除各种背景因素干扰的情况下，实现了提取完整运动目标车辆的目的，克服了传统运动目标提取方法不够可靠以及计算量复杂等缺点。其次，通过构建车辆脸部图像的局部信息熵矩阵，本文提出了一种基于车脸图像的特征提取方法，实现了同时反映车脸灰度信息与空间纹理信息的目的，同时，依据连通域标记与边界跟踪理论，本文提取了车型的几何特征，实现了提取车型组合特征的目的，克服了传统方法提取单一的车型特征对识别系统的弱有效性，为外形多样化的车型正确分类奠定了基础，由于Gabor函数在分析数字图像中的优异性能，本文给出了一种提取目标车辆Gabor域内能量最大值点作为车型特征点的方法，并给出了特征点集合的搜索过程，实现了提取具有有效性和可靠性的车型Gabor域特征的目的，为后续车型正确识别与分类的方法选择提供了依据。最后，在基于三层BP神经网络的几何特征分类基础上，结合车脸特征的匹配识别，本文给出了一种识别率较高的车型组合特征的识别方法，并利用改进的BP网络对车型的Gabor域特征进行了识别与分类，实验结果的分析表明本文方法实现了有效识别8种车型的目的，具有较高的车型识别率，适用于公路实时监控视频的车型识别系统，具有理论研究及实际应用价值。