为了提高交通效率,改善交通状况,智能交通系统成为了未来交通的发展趋势。对道路上过往车辆准确的检测和正确的车型识别是智能交通系统的核心功能。基于视频的车型识别方法具有适用范围广、安装方便、信息量丰富等优点,具有广阔的应用前景,因此对其进行研究具有十分重要的理论和实际意义。本文主要研究视频中的车型识别,并选择车辆侧面轮廓作为车型识别的依据展开研究。车辆侧面轮廓提取的准确性直接影响后续车型的识别,为了获得比较准确的车辆侧面轮廓,本文在背景差分法的基础上设计了一种可以消除阴影干扰、对拍摄视角变化具有一定鲁棒性的车辆侧面轮廓提取算法。该算法首先对背景差分法得到的运动车辆前景二值图像进行图像形态学处理,以去除背景区域的噪点和填充前景区域的孔洞；然后使用椭圆检测算法检测车轮,并确定车轮的位置和椭圆的参数,以椭圆圆心为界去除车轮下方区域,从而消除了车轮下方阴影的影响；最后,通过椭圆的参数估计出拍摄视角和轴距,再根据车辆两侧轮廓的特点,利用几何变换得到车辆近似的侧面轮廓。该算法可以有效地去除车辆阴影的干扰,提取到较准确的车辆侧面轮廓。针对现有以车辆侧面轮廓特征作为车型特征的车型识别算法对轮廓提取的准确度要求高、识别率不高的问题,本文设计了一种基于轮廓几何稀疏表示的车型识别算法。根据车辆侧面轮廓的几何特点,车辆的侧面轮廓可以由一个梯形和一个矩形去逼近,且由梯形和矩形得到的逼近轮廓比原始轮廓具有更高的识别度。首先利用量子遗传算法将车辆侧面轮廓稀疏表示为一个梯形和一个矩形的组合,并提取梯形和矩形的几何参数特征,再根据预定的车型识别规则对车辆类型进行识别。实验结果表明,该算法对于各种车型都具有较高的识别率,且对车辆侧面轮廓的准确度具有很好的鲁棒性,具有很好的可行性和有效性。最后,设计了本文车型识别算法的仿真系统,并对系统的各个功能模块进行了介绍。