随着经济的发展,交通需求不断提高,而交通管理的相对落后使得交通拥挤问题日益突出。解决这个问题的办法之一就是实行交通管理的智能化。本文对智能交通系统中汽车车型的自动识别问题进行了研究。本文首先从正顶和正侧两个角度摄取汽车图像。通过预处理、分割、轮廓跟踪得到汽车的轮廓图,然后从中提取各种特征。采用基于模糊度的特征选择方法,由模糊度的大小作为各特征对分类贡献的指标进行特征的选择。由于我国的车型分类具有种类多、类别界线模糊的特点,仅利用传统的识别方法很难得到满意的效果。针对这个特点,本文采用模糊识别技术对车型进行分阶段识别。第一阶段利用模糊支持向量机实现客车和货车的分类;第二阶段利用模糊神经网络分别建立客车和货车的识别模型,用遗传算法来同时优化隶属函数和推理规则,得到了稳定精简的识别模型,从而实现客货车的细分。利用训练数据进行识别模型的训练,通过测试数据验证识别模型在第一阶段识别率为100%,第二阶段可达到93.3%。