车辆识别和检测是智能交通系统(Intelligent Transportation System, ITS)的基础课题之一。其中车辆的视频检测技术是推进ITS发展的一个重要研究方向,在道路监控和不停车收费系统等众多方面有广泛的应用前景。但由于问题的复杂性,有关这方面的研究进展缓慢,有大量问题急需解决,车型识别是其中的关键技术之一。针对上述问题,本文从图像分割技术、运动目标的检测与提取、车型的视频检测与分析等方面开展了研究。针对车辆检测对图像分割技术的要求,从分割质量及分割效率两方面展开了深入细致的研究工作。利用二维图像分割技术分割质量高,但运算量较大,分割速度难以满足实际应用要求的特点,提出一种基于模式进化机制的二维图像分割技术,明显改善图像的二维分割效率。算法通过引入优良模式和植入算子,避免了传统的遗传算法容易陷入局部最优的不足。在优化时间上也较传统遗传算法有了显著提高。结合停车场环境特点,研究了运动车辆的背景差分检测技术。采用自适应背景更新方法,并实验比较选取了合适的更新系数,实现运动目标的背景差分检测。针对基于视频的车型分类,提出了两级分类车型提取方法。在提取车辆形状分散度、顶篷比等目标特征的基础上,实现车辆类型的归类;利用车轮数、车轴距的检测,准确确定车型。考虑到车轮轮廓提取的实时性要求,改进了传统Hough变换圆检测方法,提出了基于连续曲线段的随机Hough变换方法,减少了大量采样无效累积。实验验证了所提算法的有效性。最后利用上述研究方法,编写了一套基于视频检测技术的停车场管理系统原型,初步实现车型的识别与车位检测,为进一步研究提供平台基础。