本文以视频和图像处理技术为依托,以视频交通流检测中的车辆识别系统的设计为课题对视频交通流和交通状况监测技术中的车辆识别技术进行了研究探讨。　论文在介绍了视频交通流检测在车辆识别系统的研究背景,以及国内国外的应用现状的基础上,给出了这项研究的重要意义和前景。通过对车辆识别技术中的图像滤波、除噪、图像分割、特征提取与目标识别技术分析确定了系统设计和实现中所要采用的基本算法。　本文对系统中图像预处理、特征提取和识别方法等环节涉及的新算法、新技术以及系统整体设计作了一个比较全面的论述,同时,针对目前的研究现状,对一些关键的技术问题进行了深入探讨。主要研究了三个方面的问题:　(1)　本文对支持向量机(Support　Vector　Machine,SVM)图像处理的方法进行了研究。在车辆识别技术中针对图像SVM 表示的特点,结合传统的数字图像边缘检测的各种方法,提出了基于SVM 图像的边缘检测方法。该方法不同于以往的算子方法,它更容易理解和实现,效果良好。　(2)　采用小波变换方法提取车辆特征数据可以实现对车辆的自动分类。　(3)　提出一种基于SVM 理论的车辆分类方法。通过SVM 的离线训练,得到分离器,然后将测试车辆的特征数据作为测试样本,根据本文提出的分类方法,通过离线获得的分类器对车辆类型进行判别,通常的多值分类问题是以一系列二值分类来实现,这将导致较高的计算复杂性。本文将一类支持向量机推广到多值分类情况,并将其应用于车辆识别中。仿真实验结果表明了所给方法的可行性及有效性。