本文重点研究了智能交通系统中视频图像车型判别技术的基本原理和关键技术。其中,车型的自动识别是ITS系统的重要分支及关键技术。通过学习相关文献,分析归纳已有的车型识别技术,结合数字图像处理及模式识别的基础理论,阐述了一种新的理论方法,并通过相关实验验证了此方法的有效性,同时设计并基本实现了一种车型识别分类系统。利用图像处理和模式识别方式进行车型的识别,通常包括运动目标检测、特征提取、分类识别等三个阶段。本文选用图像平均法来滑动更新背景图像来进行车辆的检测,先利用投影技术定位出车辆区域,随后根据车辆的纹理特征和几何特征,使用BP神经网络建模的方法对车辆图像进行识别分类,并用MFC及利用OpecvCV显示结果。本文先阐述了检测运动车辆的几种通用方法,最后比较采用图像平均法来滑动更新背景图像减背景图像法,之后图像进行灰度化、采用自适应阈值方法二值化图像,进而采用数字形态学的方法对车辆图像的区域里的噪点进行消除等操作,同时采用漫水填充算法去除车体外较大的噪点,用填充法填充车体内部不连通的区域,最后,提取轮廓,得到了较为完整的车型轮廓图像。在车辆的特征提取方面,本文选用了不变矩特征量和纹理特征灰度共生矩特征量作为特征参量。并提取了四个纹理灰度共生矩特征量和七个不变矩特征量作为车型特征提取的特征参数。通过相关的试验验证了这两种特征量的有效性,并详细的作了一定的分析。在车型的模式识别方面,详细介绍了人工神经网络及BP神经网络的相关知识,并结合本文使用车型样本库的特点,分析BP神经网络分类的基础理论,通过具体实验确定了分类器的相关参数,实验结果中,首先,利用不变矩量和纹理特征灰度共生矩量特征并选用BP神经网络分别对车型进行识别,然后再通过测试纹理特征矩特征量与七个不变矩特征量的不同组合,从而得到了两类特征中一对识别率较高的组合；在论文最后阶段,介绍了车型识别系统软硬件环境,本文用OpenCV和Visual Studio2008搭建实验平台,并设计了一种车型识别系统,并进行了相关的系统测试,并达到了较好的效果