本课题的出发点是基于现有的、已经覆盖全市几乎所有交通路口、停车场等各类现有视频监控系统，利用路口等处的大量监控探头所提供的视频，运用视频和图像处理分析技术，实现对某些特定车辆的自动识别方法的研究探讨，再通过监控视频的联网，实现对某些特定车辆的位置和行车轨迹等信息进行记录和查询，为某些特定的业务工作快速确定和定位某些特定车辆提供技术手段。本文通过对图像预处理、目标特征提取、分类器及其训练方法等车辆检测识别所涉及的技术进行研究，在对车辆目标特征的提取方法做比较分析基础上，选取HOG特征作为面包车等车辆的识别特征；然后,就目前通用的目标分类器及其训练方法做分析，通过比较各自的优缺点，再结合面包车等目标对象的特征，选取SVM作为分类器进行分类训练,实现了对面包车等车辆的自动检测识别；论文对现有基于梯度方向直方图（Histograms of Oriented Gradients，HOG）特征在灰度域中提取的方法进行了改进，将颜色特征同HOG特征进行融合,使目标识别的特征中含有颜色信息，并结合视频的多角度识别处理方法，增强目标识别的准确率;最后,利用自主采集的实际监控视频序列,对所提方法进行了实验验证;实验的统计结果验证了算法的有效性。本文主要研究内容如下：1、对基于视频的车辆识别算法的研究学习。通过对HAAR-LINK、边缘检测法和基于梯度方向直方图（HOG）等基于视频的车辆算法的学习，比较不同算法优点和适用领域。2、通过对基于梯度方向直方图（HOG）算法的深入研究，阐述本课题利用该算法结合颜色分析实现对车辆轮廓进行提取，实现对某类特则车辆识别和管理。3、利用基于梯度方向直方图（HOG）算法，实现对视频中的面包车进行识别，证明基于智能视频的车辆识别系统在实际工作中的应用。