经济的快速增长,让老百姓生活水平有了巨大的变化,人们对车辆的需求也不断扩大,但伴随而来的是交通管理、环境等问题也日益严峻,在许多层面,迫切需要寻找一种新型的交通管理方式,在这种情况下智能交通系统产生了。在智能交通系统中,车辆识别一直是一个热点和难点,国内外学者均对此有一定的研究。本文主要是针对拍摄的车辆的前脸图像,并且结合实际拍摄的车辆图像可能存在倾斜的情况,总结了基于PCA和SURF特征相结合的多姿态车辆识别算法,并设计和实现了多姿态车辆识别系统。系统主要分为车辆样本特征训练过程和车型识别分类两大部分。第一部分主要是针对训练样本库的处理,首先定位车牌,然后一方面根据车牌的倾斜角度对车辆进行倾斜校正,一方面根据车牌的位置信息进行车脸区域的截取。获得车脸之后,在车脸区域提取PCA特征,离线存储至本地文件,同时样本库中每一辆车的基本信息也存储至数据库当中;第二部分主要是针对输入系统的测试样本而言的,按照上述同样的方法截取车脸区域,然后提取PCA特征,加载训练样本的PCA特征库,利用改进的k-d树算法寻找到最匹配的五幅训练样本,在训练样本和测试样本的排气栅区域进一步提取SURF特征,进行SURF特征匹配得到识别结果。本文用OpenCV和VS2010搭建实验平台,以SQLServer2005为后台数据库,共采集了411张车辆图片建立训练样本库,并在数据库中建立了一张CarType表去存储这些车辆样本的基本信息。实验中,采用80×30大小的车脸共133幅测试样本对系统的识别率和识别时间进行测试,得到的车的品牌的识别率为97.74%,车的系列识别率为94.74%,平均识别时间为94.39ms。实验结果表明,本文采用的基于PCA和SURF特征相结合的多姿态车辆识别算法是有效可行的,算法的准确识别率也在同类算法当中比较靠前,依据算法设计和实现的系统具有较好的稳定性和实时性。