智能交通系统(ITS)是将先进的信息技术、数据通信传输技术、电子传感技术、电子控制技术及计算机处理技术等有效地集成运用于整个交通管理而建立的一种在大范围内、全方位发挥作用的、实时、准确、高效的综合交通运输治理系统。交通监测系统是智能交通系统的重要环节，负责采集有关道路交通流量的各种参数。基于实时视频流的车型识别系统研究是智能交通系统研究的重要组成部分，因此论文选题具有重要的理论和实际应用价值。　　 本文研究的主要内容包括：　　 (1)介绍常用的车辆检测技术。车辆检测技术比较成熟的有无线电波或红外线轮廓扫描、雷达检测、车辆重量、环形线圈传感器测量等。通过对几种方法的分析，得出了各自的优缺点。　　 (2)介绍车辆视频检测技术的国内外研究现状。中国地质大学(武汉)计算机学院的张全元提出了一种新的算法——弹性松弛算法来对车辆的最显著的特征——车长进行提取，并引入Hough圆变换来提取车辆的车轮和车轮距，车轮和车轮距能够有效的辅助车辆分类的过程。　　 (3)介绍常用的背景建模方法。包括基于统计的背景模型、基于卡尔曼滤波的背景模型和基于高斯分布的背景建模。基于高斯分布的背景建模又包括单高斯模型、多高斯模型和混合高斯模型。本文所采用的方法为混合高斯模型。　　 (4)介绍了利用弹性松弛算法提取车辆长度信息的方法及具体步骤，并通过实验，验证了此方法在实际运用中的可行性，给出了由长度来分类车型的统计信息。　　 (5)根据对实际车型统计的实验，证明了仅通过车辆长度来判定车型存在较大误差。通过对弹性松弛算法提取车辆长度信息的分析，对其加以改进。提出了“满行投影”和“满列投影”的概念，只监控图象中的指定区域，统计指定区域中的像素，根据“满行投影”来提取车辆高度信息。结合提取车辆长度信息和车辆高度信息的方法，对车型分类，比单纯的用车辆长度来分类车型有着更高的准确率。　　 (6)介绍常用的边缘检测(边缘识别)的方法，分析这些方法的缺点，主要包括：计算量大、受干扰信号影响大导致识别率低、实时性差。这些弊端决定了传统的边缘检测方法无法应用于实时视频的车型识别系统。本文在提取车辆长度信息和车辆高度信息的基础上，提出了车辆边缘检测的一种新方法：在有效提取车辆长度信息和高度信息的同时，绘制出车辆的轮廓。实验表明，此方法有着较高的准确率。同时，由于是在提取即时车长和即时车高的基础上绘制车辆轮廓，因此不需要另外设计算法。　　 (7)摄像机标定技术。本文详细讨论了摄像机标定的算法原理和过程，并采用Intel公司开源机器视觉库OpenCV给出了摄像机标定详细过程。讨论了车辆宽度信息的提取方法，即运用提取车辆高度信息的方法提取车辆宽度信息。给出本车型识别系统摄像机的具体安放位置，在摄像机安放在侧上方时，所测得的车高信息和车宽信息需要做适当的三角变换以求出实际的车高和车宽。　　 (8)根据具体的实验，给出了根据车长信息分类车型和综合车高与车长信息分类车型的比较。　　 (9)最后，对所做工作做了总结，并对未来工作做了展望。分析了“基于实时视频的车型识别系统”还需继续改进的方向。　　 本文的创新点主要包括：　　 (1)设计了提取车辆高度信息的算法，提高了车辆类型识别的准确率。　　 (2)针对本车型识别系统，提取了一种新的边缘检测方法，此方法也可在边缘检测的其它领域得到应用。