车型识别技术是智能交通系统中一个重要的研究领域,也是图像处理、机器学习、计算机视觉等领域中一个具有挑战性的课题。该技术可以应用于高速公路管理体系、交通监控与车辆检测系统、车辆管理系统、车辆缴费系统及其它领域。在规范城市交通治安、打击车辆偷盗、预防和减少交通事故等方面具有很高的实用价值。在本文中,首先简单地介绍了国内外车型识别技术的研究现状,分析总结了目前车型识别技术面临的一些挑战和问题。经典的车型识别方法主要考虑了样本的全局特征,计算复杂度高,对光照、尺度等的变化情况鲁棒性较差。Gabor特征能够描述不同尺度和不同方向上的图像局部特征信息,能忍受光照、尺度等的变化,本文又借鉴了人脸识别中的稀疏表示分类算法,提出了基于Gabor特征提取和稀疏表示分类的车型识别方法。基于Gabor特征和稀疏表示分类的车型识别的实现主要包括三个模块：样本库的建立、特征提取和车型分类。本文首先对获取的车辆样本图像归类,然后进行预处理,获取所需的车脸图像样本,一共选取了60类不同类型的车辆进行识别,每一类有10幅光照有变化的车脸图像,图像大小128*64；然后使用Gabor滤波提取样本图像的特征信息；最后使用基于稀疏表示的分类方法判断待测样本属于哪个类别。首先分别在六个大小不同的数据集上(10,20,30,40,50,60)做实验对本文提出的算法的可行性进行验证。实验结果表明本文的算法是可行的,平均识别率可以达到92.8%,充分利用了样本的局部特征,对光照变化具有鲁棒性。然后通过对稀疏表示分类算法和本文提出的算法的识别结果进行比较,验证了本文算法的有效性。不足之处在于,本文提出的算法在提高识别率和增强鲁棒性的同时付出了时间的代价。