基于实时视频流的车型识别系统研究是智能交通系统(ITS)研究的重要组成部分，因此论文选题具有重要的理论和实际应用价值。本文研究的主要内容主要包括： (1)设计背景动态更新机制，以适应环境的动态性变化。通过对各种背景建模算法的分析和比较，尤其是对前景提取算法的详细分析和比较，本文给出了它们的处理流程和优缺点，并通过实例在建立背景的效果和效率两个方面对高斯平均模型、多高斯模型以及混合高斯模型进行了比较，实验表明高斯平均模型具有能够适应实时性环境，效果较好。 (2)提出一种新的算法--弹性松弛算法来对车辆的最显著的特征--车长进行提取，并引入Hough圆变换来提取车辆的车轮和车轮距，车轮和车轮距能够有效的辅助车辆分类的过程。利用弹性松弛算法进行车型特征提取的过程，同时也是对关键图像帧的有选择性的提取的过程，从视频流中抽取关键帧构建背景模型，提取前景图像，提高了背景、特征的质量。同时，该过程也是进行车辆存在判定的过程。 (3)深入地讨论了弹性松弛算法，并给出了其进一步精确、调整的两个措施--弹性追尾算法和多级弹性松弛算法策略，最后给出了实验结果。实验表明，弹性松弛算法具有全局的统计特性，能够有效的提取视频的关键帧，而且提取特征准确、灵敏，能够有效的满足系统的实时性要求。 (4)摄像机标定技术。本文详细讨论了摄像机标定的算法原理和过程，并采用Intel公司开源机器视觉库openCV给出了摄像机标定详细过程，并使用加利福利亚理工学院计算机视觉研究小组的测试数据对算法进行了测试，实验表明了本摄像机标定过程的有效性。 (5)最后，本文给出了基于实时视频流的车型识别系统的详细处理流程。讨论了摄像机的架设方式，需要的硬件设备，系统的模块和处理流程，并给出了实验结果、工作总结以及未来工作的展望。 本文的创新点主要包括： (1)设计并提供了一种新的车型特征提取算法，在实现提取车型特征的同时，对帧的选择具有全局性，也具有很高的车辆存在判定灵敏性，提高了背景、特征的质量； (2)设计并引入了动态背景更新机制，实现了系统对背景改变的自适应性。 (3)详细讨论并实现了摄像机标定算法，从图像二维平面问题转化为三维世界中的比较问题，有利于问题的解决。 (4)设计并实现了车型识别系统流程，为下一步工作奠定了良好的基础。 针对以上各个步骤，本文均做了详尽的实验，给出了实验结果。实验表明本文的研究具有重要的意义。