本文研究基于实际交通视频的车型识别技术。本文提出了一个新的车型识别思路，即利用不同车型的区别取决于车轮以上轮廓的特点，通过背景建模、车轮检测等，实现了对车辆的轮廓进行提取；并提出了一种车辆轮廓修复方法，实现了对残缺车辆轮廓的修复，使之更接近真实的车辆轮廓；最后通过模板匹配的方法进行了车型的识别。首先，用高斯混合模型对视频进行背景建模，并对运动车辆区域进行定位。利用道路视频背景基本固定不变的特点，运用高斯混合模型建立了视频的背景模型。然后用当前帧图像与背景模型相比较，将符合背景分布的判为背景像素，不符合背景分布的判为前景像素，得到的二值图像就是运动目标的前景掩码图像。用连通区域分析得到运动车辆的位置和外接矩形，并从原始图像和前景掩码图中分别截取包含车辆的小矩形彩色图像和二值图像。实验结果表明，该方法能够建立背景的模型，同时能够检测出运动车辆的区域，得到了彩色图和二值图两种车辆图像截取区域结果。其次，训练车轮分类器并检测截取彩色车辆图像中的车轮。首先采集了大量车轮的正负样本图像，利用Haar特征适合表示车轮这种“块”特征的特点，计算每个样本的Haar特征，并通过Adaboost算法训练了一个车轮分类器，然后在截取的彩色图像中检测车辆车轮，得到车轮的位置、大小等信息，并通过筛选策略将误检的车轮去除，得到可信度最高的车轮位置信息。实验结果表明，车轮被准确的检测出来，有效避免了在整个视景中检测车轮的速度慢和误检多的问题。再次，用边缘检测算法提取前景二值图的轮廓并对其进行修复。用边缘检测算法检测二值车辆截图的边缘，并将它们组织成轮廓，去除长度小于所有轮廓中值的小轮廓，然后利用车辆车轮以上轮廓是不同车型最显著区别的特点，同时结合车轮位置信息，对车辆车轮以上部分轮廓进行提取，并对提取的轮廓进行修复，得到较为完好的车辆轮廓。实验表明，提取的车辆轮廓毛刺少，外形接近实际车辆，非常有利于后续车辆轮廓的识别。最后，用Hu不变矩进行车型识别。利用Hu不变矩具有旋转、缩放不变的特点，计算得到待分类车辆的Hu不变矩，将之与不同车型的多个轮廓模板Hu不变矩逐一进行匹配计算，取其最匹配者为对应车型。实际道路视频测试表明，对常见的不同车型具有较高的识别准确率。