据统计,在我国每年被盗汽车大约有10万辆,平均每天大约有300多辆汽车被盗。据以往公安机关侦破被盗车辆案件发现,犯罪分子在成功盗取车辆后,一般会改变车辆本来颜色,制作假牌,套牌。仅仅使用车牌识别和车型识别技术,很难找出被盗车辆。然而,车标作为车辆的一个重要信息,一般不易被更换,并且大多数犯罪分子不愿对名贵车辆更换车标那样会降低车辆的价值。所以车标类型的检测对帮助破获盗车案件具有十分重的意义。本文主要目的是解决低分辨率汽车视频图像的车标定位与车标识别问题。对于目前车标识别算法,仅限于使用一种特征提取方法来分类识别,这种方式提取的车标特征能反映的车标特性比较单一,识别结果不理想,且本文主要针对低分辨率视频图像汽车车标识别,采用以往算法很难达到要求。本文重点研究了车标粗定位、精定位、提取车标特征的方法以及识别方法,主要工作内容包括以下几个方面：首先,研究了基于视频图像汽车车标的定位方法,采用背景更新法和帧差法检测出车辆图像；根据车标与车牌的位置关系对车标粗定位；经过边缘强度判断和形态学处理得到车标精定位区域。通过车标定位,可以减少车标周围环境对识别的影响,车标准确定位是车标正确识别的前提条件。其次,采用边缘方向直方图、轮廓特征、纹理特征三种车标特征的提取方法。边缘方向直方图能反映车标的形状信息且受光照的影响小；轮廓特征能直接反映车标外部轮廓信息；2D Gabor滤波器提取的纹理特征能从整体上反映车标的灰度变化情况。本文采用均值法对车标提取的边缘方向直方图和轮廓特征求模板特征,这不仅能提高识别率,而且使得识别结果更稳定。通过比较实验法和优化法进行最佳2D Gabor滤波器的参数设置,使得用Gabor滤波器提取的车标纹理特征更具车标类别表征能力。最后,本文分析了三种提取特征方法的优缺点,采用多种提取特征方法和分类器组合以弥补一种特征识别方法的不足。首先,采用模板特征匹配的方法对车标提取的边缘方向直方图和轮廓特征进行匹配,通过可信度判断匹配结果是否符合要求,如不满足要求进行车标二次识别。本文采用分类器和多种提取特征方法组合识别,在识别率方面有较大的提高。