随着经济和社会的发展,城市便捷化、交通智能化的发展成为必然,智能交通系统(ITS)应运而生。其中,通过摄像头,对道路交通进行监控是交通管理的有效手段。在大数据的时代背景下,视频数据作为非结构化数据的一种,应该更进一步地被分析和利用。因此,对拍摄得到的交通监控视频进行处理和识别是交通系统智能化的重要一环。在现有的交通监控系统中,大多数交通视频只能作为车辆追踪的依据,需要人工的从监控录像中查找车辆,还不能够智能的对车辆进行识别;另一方面,对与车辆的追踪和管理主要是通过对由交通卡口的照相机拍摄下来的图片进行车牌识别来实现的。通过车牌识别车辆的方法难以对人为故意遮挡车牌、伪造车牌的违法车辆进行有效的识别,同时拍摄时需要车辆以低速行驶或停止行驶来配合牌照,效率较低。在这种背景下,需要一种更智能化的、能够基于车牌以外的其他车辆特征来对监控视频中的车辆进行自动的、准确的识别。车辆的类型、颜色及其造型特征能够有效的区分车辆,因此可以依靠这些特征来对视频中的车辆进行识别。本篇论文研究了在视频中提取车辆特征从而进行车辆识别的问题。本篇论文总结了可作为车辆识别依据的车辆特征的理论依据,分析了视频处理中常用的算法基础,实现了车辆特征的提取与对比,提出了基于车辆特征的车辆识别算法,实现了对视频中车辆的基本识别。基于车辆特征的车辆识别特征的算法由三个部分组成:视频中前景目标的提取、车辆物理特征提取、车辆造型特征的提取与对比。在前景目标提取的部分,又划分为三个步骤:背景图像提取、背景减除、图像过滤和阴影减除。在背景提取这一步,横向对比了单高斯模型、混合高斯模型、均值法模型和中位数法模型,分析了各种算法的优缺点。之后采用差分法获取运动目标所在的大致区域。在图像过滤这一步,对比了中值滤波法、均值滤波法、高斯滤波法。之后进行阴影减除。在车辆物理特征提取的部分,提出了基于贝叶斯的颜色分类算法,对车辆的颜色进行识别。在车辆造型特征的提取与拟合中,对比了多种边缘检测的算法,提取了车辆的造型轮廓特征,在获取了车辆的轮廓特征的基础上,对车辆的轮廓特征进行了对比。本课题在windows环境下,使用OpenCV和C++实现。实验结果表明,本文提出的基于车辆特征的车辆识别算法可以对交通监控视频进行检测,对车辆进行车辆识别。具有良好的应用前景。