随着中国经济的发展,中国的汽车数量日益增多,城市变得更加拥挤,合理的车辆限行变得更加重要.在车流高峰时,特定的路段需要对某些车型的汽车限行.本文正是想利用基于视频的车型识别算法来帮助提高车辆限行管理的效率.本文所要区分的三类车型为小轿车、小面包车以及SUV本文的研究工作主要有以下三个方面：第一,是对车辆大小特征的提取.首先,我们优化了背景建模过程中的学习率,解决了从视频中提取车辆时产生的空洞问题.其次,针对车辆二值前景图像,我们提出了沿直线方向投影的非最大值抑制法提取车辆的宽与高.最后,我们以提取的车牌宽为标准,把不同车辆的宽与高统一到同一个标准下,消除了视频拍摄距离对车辆大小提取的影响.第二,经过对车型特征的系统研究,我们发现目前算法所使用的特征大都是十几个,而事实上由于车身上的喷涂、装饰以及光照等原因,只有车外型、车灯与车牌是车辆图像上的确定有效信息.因此我们以车辆大小为基础,结合车灯与车牌在车内的位置关系设计了8个特征,再应用特征选择算法进行降维和优选,最后我们仅用5个特征分类正确率就达到了98.67%.第三,为了避免车灯提取时带来的误差,我们又选取了基于车辆大小与B样条拟合车辆轮廓的车型特征.一般情况下,我们很难直接从视频中提取完整的车辆轮廓.我们用在车辆轮廓上提取到的离散点通过B样条重构车辆轮廓.运用均值聚类对轮廓线上每点的曲率与斜率进行聚类,找到代表车辆轮廓的特征点来替换掉8个特征中与车灯有关的特征.新特征在保持分类正确率的同时比车灯提取更容易且更准确.