智能交通系统ITS(Intelligent Transportation System)是交通现代化的必由之路,其目的在于充分利用现有的道路基础设施资源,改善车、路、人之间的相互作用,提高系统的安全性,高效性与舒适性,具有较高的社会效益和巨大的市场应用前景。车辆的自动识别系统VRS(Vehicle Recognition System)是智能交通系统的重要组成部分,但在我国目前还处在探索研究的起步阶段,由于有不同的国情,直接引入国外的系统并不能满足我国复杂的交通系统,在这一背景下,本文对基于视频的车型识别系统的相关问题进行研究,主要包括:在分析现有众多车辆检测算法的基础上,采用减背景法实现车辆目标的检测,该方法满足了静态背景下动态车辆检测的目的。对于运动车辆阴影的干扰问题,分析现有阴影分割算法所存在的问题,采用基于遗传算法图像分割方法对车辆图像的阴影进行分割。利用图像配准技术和融合技术,对两个同质传感器拍摄的车辆图像进行配准和融合。根据同类传感器图像间的灰度具有较强的相关性的原理,采用模板匹配算法对图像进行配准。同时对图像的像素级融合技术开展研究,采用加权平均融合算法,对两个同质传感器获得的车辆图像进行像素级融合,在满足应用需求的同时,兼顾了运算简单,快速,易于实现的优点。在车型分类方面,对经过前期处理的车辆图像做了边缘检测与形态学滤波、联通域处理,得到车辆的位置轮廓,根据投影和几何映射的关系计算出车辆的几何特征,并由分类标准提取出车型分类所需的特征向量。本文将支持向量机理论应用到视频状态的车型分类中,由于支持向量机仅适用于二值分类问题,在此采用“一对其余”的支持向量机多分类方法结合二叉决策树方法设计出车型分类器,克服了传统神经网络方法中无法避免的局部极值问题。本文采用的方法适用于大面积、多目标的复杂场景,有效地减小干扰,满足自然条件良好的情况下视频监控的车型分类要求,并具有一定的理论意义和实用价值。