車型的自動識別技術(shù)是ITS系統(tǒng)構(gòu)成的關(guān)鍵技術(shù)之一，主要通過車型識別系統(tǒng)采集車輛原始圖像，運用相應(yīng)的圖像處理算法分析、處理并獲取車輛的相關(guān)信息，最后進行相應(yīng)的智能化數(shù)據(jù)管理。無論在交通路況 的實時監(jiān)控領(lǐng)域，還是機場、車站、收費站的車輛自動收費領(lǐng)域，車型識別技術(shù)都具有廣泛地應(yīng)用。

　　目前國內(nèi)外一些主流的車型識別方法主要有以下幾種：

　　(1) 地感線圈檢測法

　　地感線圈檢測系統(tǒng)的原理是通過在待測車道路面下埋設(shè)通以高頻電流的地感線圈，當(dāng)車輛從地感線圈上方通過時，由于車體結(jié)構(gòu)大部分由金屬材料組成，因此會產(chǎn)生切割磁感線的現(xiàn)象，進而在線圈內(nèi)部產(chǎn)生渦流效應(yīng)使得線圈電感量發(fā)生變化，不同型號的車輛將得到不同的諧振頻率變化感應(yīng)曲線，以此為特征就可以區(qū)分不同類型的車輛[11]。這種方法的優(yōu)點是準(zhǔn)確率高，同時不受天氣影響，但是一方面由于在安裝和維護地感線圈的過程中要破壞交通路面，因此產(chǎn)生的修理和維護費用較高，同時需要中斷交通，也影響了交通道路的使用壽命;另一方面在使用地感線圈檢測法時，車輛的行駛速度和車輛并行通過等其他因素也容易影響獲得的感應(yīng)曲線精確度，因此，地感線圈檢測法一般作為其他系統(tǒng)的子系統(tǒng)，起到輔助系統(tǒng)的作用。

　　(2) 紅外線探測法

　　紅外線探測法主要是通過在道路兩旁設(shè)置紅外線陣列發(fā)生器以及紅外線接收裝置來獲取車輛數(shù)據(jù)。系統(tǒng)正常運行時，當(dāng)有車輛經(jīng)過時，車體的不同部位對于紅外線具有不同的反射作用，最后將接收裝置接收到的車體輪廓形狀、車高、軸距等信息作為判斷不同車型的特征依據(jù)，從而實現(xiàn)車型的自動識別。紅外線探測法的原理簡單，同時由于系統(tǒng)采集到的數(shù)據(jù)量十分大，得到的車體信息比較完整，因此系統(tǒng)有較高的識別率，缺點是硬件裝置成本較高，安裝環(huán)境較為特殊，不便于在普通的交通道路環(huán)境下進行廣泛地運用。

　　(3) 動態(tài)壓電檢測法

　　動態(tài)壓電檢測法的工作原理是，當(dāng)有車輛經(jīng)過埋入了壓電檢測器的路面時，根據(jù)物理原理，壓電檢測器發(fā)生形變，根據(jù)壓電檢測器的形變信息可以得到經(jīng)過車輛的軸重、車重、車速等信息，再通過比對數(shù)據(jù)庫達到自動識別車型的目的。動態(tài)壓電檢測法較之靜態(tài)的檢測法具有效率高的特點，對于治理道路交通安全 問題中的超限超載現(xiàn)象有很好的效果。缺點是動態(tài)壓電系統(tǒng)的設(shè)備安裝較為復(fù)雜和麻煩、使用壽命短，同時容易受到氣候溫度、車輛振動等因素的影響。

　　(4) 視頻 圖像檢測法

　　視頻圖像檢測法是在待檢車道上方或者收費站側(cè)面的合理區(qū)域安裝高精度的工業(yè)攝像頭 ，通過后臺的計算機中心對檢測區(qū)域進行實時的監(jiān)測，獲得包含待處理車輛信息的視頻圖像信號，再利用計算機模仿人類視覺效應(yīng)的功能，分析提取出所需的有效信息，例如車輛的牌照、顏色、外形輪廓等特征信息，最后運用模式識別的方法來區(qū)分出不同的車型。其中，車牌檢測法僅僅是通過捕獲汽車正面車牌照片，再識別出車牌照片中的字母、數(shù)字和顏色等信息，然后將此類信息拿到數(shù)據(jù)庫中與已建立的車牌號信息進行匹配，最終識別出車輛類型的方法。這類方法對于系統(tǒng)的硬件沒有過高的要求，使用簡單。但是伴隨著車牌掩蓋、遮蔽、替換等手段的出現(xiàn)，車牌檢測法的使用出現(xiàn)了一定的局限性。因此，在獲取大量車道視頻信息的同時，提取出如邊緣輪廓、紋理信息、車窗車高等能夠反映出車體整體的特征量，對于識別復(fù)雜車型和套牌車輛是非常必要的。基于視頻圖像檢測法具有安裝、維護方便，不破壞交通路面，獲取信息量大，能夠?qū)崟r監(jiān)控和更新的特點?，F(xiàn)在，視頻圖像檢測法已經(jīng)被廣泛應(yīng)用到了現(xiàn)代交通管理 和控制系統(tǒng)中，同時隨著圖像處理、模式識別等技術(shù)的發(fā)展和完善，視頻圖像檢測法將具有更加廣闊的應(yīng)用前景。

　　國外對于利用視頻圖像進行車型識別的起步較早，提出了較多的思路和算法，且有很多成型的技術(shù)己經(jīng)應(yīng)用到現(xiàn)實的日常交通管理系統(tǒng)中。近年來，國內(nèi)許多學(xué)者和科研工作者在基于視頻圖像的車型識別系統(tǒng)方面做了大量深入細致的研究。如曹力、郭琪超針對基于視頻的車型分類，先利用車輛形狀分散度、頂棚比等特征量實現(xiàn)車輛類型的歸類，再選取車輪書、車軸距的測量，準(zhǔn)確判斷車型類別。馬蓓、張樂提出使用灰度共生矩陣來描述車輛的紋理狀況，并利用能量、對比度、熵、相關(guān)性、局部平穩(wěn)性這五個矩陣參數(shù)提取出車輛的紋理特征，最后采用"最小距離分類"對車輛類型進行識別，取得了不錯的效果。李衛(wèi)東、戚飛虎等在提取汽車高度、長度、車輪位置等特征信息構(gòu)成判決樹的基礎(chǔ)上，首先將汽車粗分為大車、小車兩類，然后對大車類進行汽車側(cè)面車板高等特征的提取，進一步區(qū)分出客車和貨車，滿足了車型分類的要求。范伊紅、李敏等將相關(guān)向量機(RVM)的概念引入到車型識別中，利用相關(guān)向量機具有較快的計算速度以及使用較少內(nèi)存的特點，通過設(shè)定特殊的核函數(shù)，設(shè)計了一種基于相關(guān)向量機的車型分類器，結(jié)果顯示能滿足車型的基本分類。