近年来,智能交通系统的应用越来越广泛。车型分类系统是智能交通系统应用领域的重要分支。随着计算机视觉和图像处理等技术的发展,监控场景下的车型分类系统越来越受到关注和研究,然而由于监控场景中背景复杂,容易受到多种天气的影响,包括光照、雨、雪等,同时随着车型的多样化,车型分类面临着诸多的挑战。本文研究在监控场景下的车型分类方法。首先,本文提出了一种基于运动目标前景提取与深度学习目标检测相结合的算法,可以得到完整的、无粘连的监控场景下的车辆目标。其次,本文利用深度学习网络,通过训练获得车型分类模型,同时构建了丰富的数据集,该数据集中包含了 11种车型类别,6个行驶方向,并使用数据集训练了车型分类网络模型。第三,本文基于区域的跟踪方法提出了一种车型纠正算法,提高了车型分类的正确率。最后,本文在前述算法的基础上,设计实现了监控场景下的车型分类系统,这个系统在真实场景下进行了测试。测试结果表明,在监控场景下该系统在车型分类方面表现出良好的鲁棒性。