随着我国公路建设的快速发展，便捷的道路交通为大吨位车辆的通行提供了便利条件，但是一些车主受利益驱动超限超载运输，危及人身安全，破坏公路基础设施，扰乱了道路运输市场秩序，造成运输市场和车辆制造业市场诚信水平的下降，影响正常社会经济秩序。因此视频车辆检测被广泛应用于道路交通管理中，这对控制超限超载运输、减少交通事故和保护公路基础设施等有着重要的意义。　　 为了实现道路运输车辆的现代化、智能化管理，本文采用图像处理技术实现对公路上行驶的汽车车型的自动识别，以提高道路运输管理的效率，延长公路的使用寿命，减少由于人为因素给国家和人民财产造成的损失。　　 本文首先从正顶和正侧两个角度获取道路运输车辆图像，通过图像预处理、车辆分割、轮廓提取得到车辆的轮廓图，从中获得车辆的外形几何参数，并做相关性分析，提取特征向量。特征向量包括车辆的长、宽、高以及车辆在水平和垂直方向上的投影值。最后利用提取的特征向量，应用模式识别技术对车型进行识别。由于我国的车型分类具有种类多、类别界线模糊的特点，仅利用传统的识别方法很难得到满意的效果，因此本文采用模糊识别技术对车型进行分阶段识别。先通过车辆的投影值在支持向量机训练实现客车和货车的分类；接着利用模糊神经网络分别建立客车和货车的识别模型，用遗传算法来优化隶属函数和推理规则权重，得到稳定精简的识别模型，从而实现对道路运输车辆的车型自动识别。　　 实验表明，采用以上方法相结合设计出的车型自动识别系统，能够快速获取车辆的外形几何参数和投影值。该系统能够实现车型分类，并具有较为满意的准确率。