本文的主要工作包括： 建立了一个车型图像数据库,可用于车型识别算法的验证。 研究了ITS中车辆信息的主要检测技术,主要包括基于电磁感应线圈、红外、超声波、视频等,指出了它们各自的优缺点。重点研究了基于视频的车型识别的研究现状。 为了减少车辆的色彩对识别的影响以及关注车辆的边缘信息,我们提出从边缘图像(二值图像)而不是灰度图像(原图)上提取Gabor特征。由于各种车型的差异主要位于上部,我们提出了部分采样方式,用于降低维数。 Gabor滤波器能够捕捉对应于空间频率(尺度)、空间位置及方向选择性的局部结构信息,在计算机视觉和图像分析领域得到广泛的应用。因此我们将其引入到车辆车型识别中,并做了相应的研究工作。为了解决Gabor特征维数过高所带来的计算负担和存储要求,我们在特征提取过程中使用了部分采样和部分Gabor滤波器组,然后采用特征变换(例如PCA和LDA)和特征选择作进一步降维。为了评估该方法的识别性能,在特征提取和降维后,使用欧氏距离分类器进行车型分类。对于5类车型,在使用PCA+LDA降维的情况下,最高平均识别率可以达到98.84％,说明了我们的方法的有效性。 最后,我们实现了一个简单的车型识别系统。该系统的处理过程主要包括四个阶段前景分割(基于背景差分法)、目标检测、特征提取和分类。实验表明这个系统能够取得较满意的结果。