21世纪的交通将是智能化的交通,智能交通系统(ITS)能快速准确地进行交通信息的采集、处理、决策和指挥调度,使交通基础设施发挥最大的效能。交通信息处理包括的车型的检测与分类是ITS的一个重要研究方向,本文通过对此领域的研究,提出了一种简单快速而且较为精确的车辆检测和分类算法,主要内容如下:在车辆检测方面,主要经过图像预处理、运动目标区域的获取、运动目标的精确定位和去阴影四个步骤。本文首先对视频图像预处理,去掉噪声;然后利用帧间差法进行运动目标区域的获取,不同于传统的只用灰度图像进行处理的方法,直接对相邻两幅彩色图像进行差分,然后二值化,并利用形态学的膨胀与腐蚀算法得到了更为准确的运动目标区域;在运动目标的准确定位方面,本文利用目前效果较好的定位算法——水平和垂直投影定位法,并改进该方法根据轮廓直接定位,在实验中得到了更为准确的运动目标;由于光照等原因检测的运动目标包含阴影,本文根据彩色图像提供的信息量大的特点,提出基于阴影区域像素值来进行处理的方法,该方法可根据实际需要,确定参考像素的位置和大小,很好的去掉了阴影的干扰,实用性很强。在车型分类方面,利用支持向量机进行训练和测试,得到大型车、中型车、小型车三种分类。将车辆检测所得到的运动目标样本进行特征提取,作为输入向量。该特征向量主要包含车辆的长度和宽度以及长宽比,用到的支持向量机的类型是n分类器,允许用异常值惩罚因子C进行不完全分类,输出结果是车型的三种分类。本文提出的方法适用多车道、多目标的复杂场景,能有效排除干扰,满足自然条件下ITS车辆检测和车型分类快速有效的要求,具有一定的理论意义和实用价值。