经济的高速发展,带来人们物质生活水平的显著提高,人们对车辆的需求也日益增大,但与此同时,交通环境问题、交通管理技术问题也日益突出,在很多方面,传统的交通管理方式已不能满足形势变化的需要。这种背景环境下,智能交通系统的作用显得尤为突出。而车型识别系统是智能交通研究领域的核心技术,同时也是数字图像处理、计算机视觉和模式识别等交叉领域研究的热门课题,近年来得到了飞速的发展。现有的车型识别方式很多,但大多只能识别固定姿态车辆的车型,为解决这一问题,本文侧重多姿态的车型识别研究。采用SURF (speeded up robust features)及多视角的车型识别算法。该算法通过在不同角度下对特征的匹配稳定性进行统计,得到了随着角度的增加,尺度不变特征转换提取算法提取到的特征的视角稳定性,在360。范围内,每隔45。选取一个采样角度,共选取八个角度进行采样；采用改进的尺度不变特征提取方法,获取车型的SURF点特征；采用欧式距离空间和最近邻搜索算法相结合的方法进行特征匹配,并在最近邻搜索算法中设计k-d树来优化搜索过程；采用PROSAC (progressive sample concensus)剔除误匹配。通过视觉聚类和多视角建模的方法,训练车辆的全方位车型特征库,并以XML文件形式离线保存。系统测试过程主要分为训练模块的测试和车型识别的测试。训练模块主要是车型特征库建立的过程,重点测试了不同的特征误匹配剔除和特征提纯方法对特征库优劣性的影响。车型识别测试过程中,用测试图片中提取的车型特征集分别跟训练好的各种车型的特征库进行特征匹配,输出匹配度最高的车型。并在不同的条件下大量测试,分析不同的条件对算法的影响。实验结果表明,本文采用的多姿态车型识别算法是可行的且有效的,算法准确识别率90%,具有较好的实时性和稳定性。对同类算法的设计有较好的参考价值,能为车型识别在智能交通领域的应用提供新的思路。