车辆信息识别是随着车辆迅速增加和计算机视觉智能交通(Intelligent Transportation System,ITS)的发展而产生的一个基于实际需求的模式识别课题。车辆的增多使得交通堵塞、交通违章、套牌车和无牌车等问题日益严重。车牌识别作为智能交通的先驱产品虽然非常成熟并得到了广泛的应用,但面对套牌、无牌等交通问题时显得束手无策。因此,本文提出了对车辆本身的信息进行识别来解决这类问题,包括车型和车身颜色这两种主要的车辆信息。其中,车型信息是指识别车辆属于那一种品牌型号。本文研究的车辆信息识别主要包含六个部分:样本图像预处理、车脸格栅(vehicle grille)提取、车身颜色识别区域提取、特征提取和降维、车型识别、车身颜色识别,并深入开展了以下四个方面的工作。(1)处理车辆图像,优先利用车牌位置信息定位车脸格栅带(vehicle grille bar),当无法确定车牌位置信息时,改进百分比阈值二值化算法,先定位车脸格栅带,然后采用灰度图像梯度投影方法从车脸格栅带中精确定位车脸格栅。(2)对常用的纹理特征进行了详细分析和比较,并提出利用梯度方向直方图(Histogram of Oriented Gradient,HOG)+Gabor小波变换的融合特征作为车脸格栅的图像描述子。同时对融合特征采用局部保留投影(Locality Preserving Projection,LPP)算法进行降维。(3)选取基于分类错误概率最小或损失风险最小的朴素贝叶斯模型作为车型识别的分类器,使得车型的最终识别率达到92.88%。(4)通过比较四种颜色空间模型的车身颜色识别效果,改进了识别效果最好的HSV颜色空间的颜色量化模板和颜色判定规则,将车身颜色的最终识别率提高到88.73%。最终在VC++2010的编程环境下,开发了车辆信息识别系统。实验数据表明,该系统对车型与车身颜色具有较好的识别效果。