随着计算机信息处理技术、模式识别技术、图像处理技术以及网络技术等在交通运输管理中的应用与发展,智能交通系统(Intelligent Transportation System,ITS)己成为交通运输领域的研究热点课题。随着视频设备在交通系统中的广泛应用,促使我们结合视频设备,研究自动获取车型等交通数据的方法,用于克服传统的运动车辆检测不完整和人工识别车辆困难等诸多缺点,为公安、交通等的交通管理信息化提供帮助。　　 本论文的研究基于视频的车辆检测、分类识别以及车型流量统计分析管理系统等多方面的内容。论文所做主要工作如下:　　 首先,论文研究了一种基于LBP(Local Binary Pattern)特征的视频车辆完整性检测方法。该方法首先利用相邻帧差法对运动车辆进行初步检测以确定视频车辆的种子区域,然后基于LBP特征使用图像种子区域生长方法将检测到的车辆局部区域扩展到更大更完整的车辆区域。实验证明利用基于LBP特征和图像种子区域生长的视频车辆检测方法可以大幅度提高视频运动车辆检测的完整性和正确性。　　 其次,应用实现了一种基于空间不变特征SIFT(Scale Invariant FeatureTransform)以及支持向量机(Support Vector Machines,SVM)的车型多分类系统。该系统应用了SIFT特征具有的良好不变特性,以及支持向量机所具有的小样本统计学习的理论基础,可较好地满足对视频车辆的实时、准确分类的要求。实验证明,本文提出的基于SIFT特征与支持向量机的车型多分类识别方法具有实现简单、准确度高、稳定性好等特点。　　 最后,本文设计实现了基于道路交通视频车辆实时分类的道路车辆信息化管理系统。该系统通过将前端道路交通视频车辆实时分类系统与后台道路、车型分类等多个信息的自动化管理系统相互结合,使得现代公路交通的管理更加智能和高效;同时也降低了交通管理的难度,提高管理工作的工作效率。　　 经过大量的实验证明,本文提出的视频车辆检测和车型识别方法能够适应复杂环境的要求;车型分类管理系统和前端交通视频车辆实时分类系统的相互结合能更好的满足现实交通管理的需要。