随着城市道路交通管控的需要，道路交通信息的相对匮乏正促使着交通信息全面感知技术的快速发展。在自由流状态下，对当前某一特定车辆的精准识别是交通感知领域的一个重大研究课题，如何借鉴人类大脑的认知和融合机理，利用多机制传感信息，有效融合并识别当前指定车辆，从而达到精准无误的效果，已成为车辆自动识别的一个研究热点。本文在充分研究和总结车辆视频识别、射频识别、电感传感识别、模糊理论及多源信息融合的研究现状和基本理论的基础上，提出了基于嵌入式双核架构的车辆多机制识别应用模型，并对车辆多机制融合识别算法、复杂情况下的车牌定位算法及嵌入式QT平台的车牌识别系统设计与实现等关键问题进行了深入研究。主要研究工作包括：（1）提出了基于证据理论的多特征融合车牌定位算法。该算法通过对多个候选车牌区域分别提取宽高比、纹理密度和色调主值等显著性特征，通过证据理论融合各特征置信度，识别出真正的车牌区域，最终实现车牌定位，更加适应复杂情况下的车牌定位。（2）提出了基于模糊理论和证据理论的多机制传感信息融合车辆识别算法。该算法通过提取由视频、射频及电感传感器识别的车辆特征信息，采用基于贴近度的模糊识别算法求出待识车辆对标准模式车辆的相似度，并将其作为各识别机制的基本概率分配，送往信息融合中心，通过证据理论进一步融合，最终输出融合后的目标车辆识别结果，克服了单一车辆识别机制存在的固有缺陷。（3）完成了基于嵌入式QT的车牌识别系统的设计。以Linux为平台，以QT为开发工具，实现了ARM嵌入式平台抓拍图像的读取显示，灰度变换，二值化、膨胀腐蚀、平滑滤波、边缘提取等相关图像处理操作，最终实现车牌定位功能。仿真实验表明，所提出的算法是可行的。基于证据理论的多特征融合车牌定位算法明显优于单特征定位效果，提高了车牌定位准确率；基于模糊理论和证据理论的多机制传感信息融合车辆识别算法能够给出可信度更高的识别结果。