实时道路车辆识别是车辆计算机辅助驾驶、自主导航以及汽车主动安全中的关键技术。由于车辆外形的多样性和外界环境的复杂性,将车辆独立于其它非车辆物体进行识别,并使其对复杂外界环境具有一定的鲁棒性和可靠性成为实时道路车辆识别研究的重点。本文研究及实现了一种基于Haar-like矩形特征的实时道路车辆识别方法,即如何快速且准确地从复杂背景的图像或视频中识别出目标车辆的问题。在已有研究的基础上,分析了Haar-like矩形特征的组成形式以及利用积分图像法快速计算矩形特征的方法。本文采用Lienhart R.等扩展矩形特征中的其中11种特征来表述车辆特征,并对原有特征形式进行了扩展,将车底阴影用单特征形式表示,并把车辆的两个垂直边缘和车底阴影组合成“U”形特征。本文利用Haar-like矩形特征来表达车辆,采用Gentle AdaBoost算法训练强分类器,同时利用聚类-分支算法将多个强分类器组合成树形结构车辆分类器,其中树形分类器的根节点采用“U”形组合特征强分类器。通过引入识别窗口多尺度机制进行车辆识别,避免了传统方法中直接对图像的缩放变换。图像中的大部分区域被树形分类器的前几层强分类器快速分为非车辆区域,只有实际包含车辆的区域才能到达最后的叶终止强分类器。本文建立了针对车辆前后视图的训练样本库和测试图像库,并且建立了用于实时车辆识别的视频库。利用训练样本库训练树形结构分类器,并用测试图像库和视频库上对树形分类器的性能进行了评价。实验表明,本文树形结构的车辆识别方法在识别率和识别速度上优于级联分类器,具有较好的实时性和一定的鲁棒性。