智能交通系统（Intelligent Transportation System，简称ITS）是目前世界交通运输领域的前沿研究课题，其核心是针对日益严重的交通需求和环境保护压力，采用信息技术、通信技术、计算机技术、控制技术等对传统交通运输系统进行深入的改造，以提高系统资源的使用效率、系统安全性和减少资源的消耗和环境污染。　　 计算机视觉和数字图像处理技术广泛的用于计算机科学、遥感、生物医学、地质、海洋、气象、农业等许多学科，并显示出广阔的发展前景。在智能交通系统中占有重要地位。　　 本文主要是对基于视频的交通事件检测系统中车辆识别的研究。在视频交通事件检测过程中，车辆检测与识别是主要部分，是排除视频噪声干扰准确判断事故发生与否的关键技术。运动车辆提取处理的目的主要有两个：一是对有效的目标物体进行检测，即从场景的视频监视序列图像中正确检测到车辆。二是在提取和分析车辆的运动参数时尽可能地提供依据。　　 本文设计实现了一个基于SVM的动态车辆识别系统，该系统的工程基础是在交通视频中检测到的运动车辆团块和背景模型。利用模式识别、数字图像处理等技术实时有效的识别出视频中的运动物体是否为车辆，排除其它运动物体对交通事件检测的干扰。　　 在车辆识别的过程中着重研究以下三个关键问题，首先在视频中定位运动物体最外侧边缘，为物体的外形、大小等特征的提取提供准确的定位信息；当待检测物体出现多个物体粘连时，找到分割特征点进行分割，对单个个体特征的提取有重要意义；最后提取有效特征，构造特征向量，利用SVM分类器进行最终分类。　　 整个系统按照功能分成两个部分。首先在视频中对运动物体图像进行预处理，包括物体最外侧边缘Freeman链码的检测和分割粘连物体，然后提取若干能够为车辆识别提供参考的特征，组成特征向量，利用支持向量机进行分类。试验结果显示基于视频的动态车辆识别系统能够对车辆进行比较有效的的识别，正确率较高。