随着我国经济的不断发展,交通需求量不断提高,而交通管理的相对滞后,使得道路交通问题越发严重。引入智能交通系统是改善这一问题的有效方法。车型的自动识别技术是智能交通系统中的关键技术之一,主要通过车型识别系统采集车辆原始图像,运用相应的图像处理算法和模式识别算法来获取车辆的相关信息,最后进行智能化数据管理。本文提出了基于模糊神经网络的车型识别方法。在运动车辆检测部分,通过对不同运动目标检测方法的分析和比较,本文选用背景差分法来检测运动车辆,较好地确定了车辆区域。提出背景图像更新算法,以消除背景环境变化过大对车型分割效果的影响。在车辆图像处理部分,首先采用大津法对车辆图像进行二值化处理,选用中值滤波算法对图像滤波去噪,得到较为理想的车辆二值化分割图像。然后采用形态学处理方法对车辆区域进行填充,利用canny算子对图像进行边缘检测,从而得到较为完整的车型轮廓图像。在车辆的特征值提取部分,通过对不同图像特征的分析和比较,本文选择具有旋转、平移及缩放不变性的伪Zernike(?)巨作为车型特征来进行最后的车型识别,并利用该方法提取部分车辆图像的特征值数据,作为模糊神经网络的训练和测试样本。在车型的识别部分,提出模糊逻辑与神经网络融合的识别算法,设计模糊神经网络模型。首先采用高斯隶属函数对输入矢量进行模糊化,选用T-S模糊推理方法建立模糊推理规则,利用BP神经网络中的学习算法对模型进行训练。然后运用MATLAB中的自适应模糊神经网络工具箱(ANFIS)建立模糊神经网络模型,完成仿真和测试,并对仿真和测试结果进行分析和讨论。实验结果表明,本文提出的基于模糊神经网络的车型识别方法能够对车型进行较为准确的识别,为车型识别技术的研究提供了很好的参考价值。