智能交通系统已经成为电子信息技术在交通运输领域的热点研究课题。而图像处理和模式识别技术在智能交通系统的应用研究，是智能交通系统重要的前沿研究领域，具有极其重要的理论和应用价值。随着视频设备在交通系统中的大量普及，结合视频设备，获取更多的交通数据，提高设备利用率成为当前国内外研究的一个重要课题。同时，也是为了克服传统的运动车辆检测和人工识别车辆的诸多缺点的影响，如效率低下、准确度不高、维修安装困难等，所以开展了本课题的研究。 基于视频的车型识别系统利用数字图像处理与计算机视觉相结合的方法，获得智能交通系统所需要的信息。它是对特定地点和时间段内的车流信息进行采集、识别和分类，把得到的交通流数据作为交通管理、收费、调度、统计的依据。 本文基于图像处理和模式识别的研究现状，在深入研究了已有的运动目标检测算法和模式识别方法及相关理论的基础上，以普通监控用摄像头同步拍摄的运动车辆图像序列为研究对象，对基于视频图像的车辆识别系统中的关键技术…运动车辆检测和目标车辆的识别进行了全面地介绍，着重研究了运动目标检测算法、图像分割算法、识别特征提取和识别方法等。 本文分析了不同拍摄角度拍摄到的视频图像对检测和识别的影响，介绍了图像处理中最基本的操作，膨胀、腐蚀、开、闭等操作，重点论述了连通域标记方法，并给出了一种基于轮廓跟踪的连通域标记算法。 在视频图像获取过程中，摄像机轻微抖动、天气引起的光线变化等外界环境会影响运动目标的检测精度，针对这一问题，本文提出了一种基于高斯平均的背景更新算法，能较好地抑制外界环境变化带来的影响，并具有较好的实时性。文中采用了基于虚拟检测线框的运动车辆检测算法，并对传统的该算法做了改进。 车型识别部分，本文以车辆的上E侧面为研究对象，以轮廓的整体形状作为识别特征，提出了一种是基于轮廓形状特征的车型分类识别方法，该算法通过长宽比、拉长度、矩形度、圆形度等车辆轮廓形态的七个特征分量构成一个特征向量组，再以最近邻法作为判据实现车型的识别分类，取得了较为理想的效果。 本文以VC++6.0为平台，编程实现了基于视频的车型识别系统，通过实验数据分析表明，本文给出的识别方法能得到较好的识别结果。