随着城市建设、汽车工业的发展,我国的机动车数量稳步增长,随之而来的假牌照、套牌照等车辆违法犯罪活动也日益增多。套牌车损害了实际车主的合法权益,给不法分子提供了违法乱纪的工具,给公安机关抓捕肇事逃逸车辆造成了困难,给国家税费、养路费造成了损失。然而,目前国内对于套牌车辆的查处主要依靠人工识别和群众举报等耗时、低效的方式,不能有效地解决套牌车问题。以此为背景,本文提出了套牌车辆的车型识别与检索技术,实现对套牌车辆的查处,加大对套牌行为的打击力度。本文通过提取车辆图像的“车脸”部分,训练SVM (Support Vector Machine)模型来进行套牌车型识别；通过提取车辆图像的前景区域,计算前景图像的相似度来实现套牌车辆的检索。对图像的“车脸”以及前景区域的提取,能够过滤掉图像中的大量背景信息,降低计算复杂度,提高系统精度以及效率。本文对样本集中的“车脸”以及车辆前景图像提取HOG (Histogram of Oriented Gradient)特征,采用Adaboost方法训练级联检测器来定位图像中的“车脸”部分和前景区域,并对正午及夜间的图像进行了光照补偿处理以提高检测率。实验结果证明,运用本文的方法能够检测到无牌、车牌遮挡、车牌污损、车牌替换、车牌伪造等套牌车辆的“车脸”及前景区域,为套牌车辆车型识别和检索提供了极大的方便。在车型识别方面,对于输入图像,提取其“车脸”图像,通过SVM分类器预测“车脸”的车型。本文提出了基于SVM经验阈值二次识别的方法,有效提高了套牌车型识别率,识别率达到92%。在车辆检索方面,本文对输入图像提取车辆前景区域,通过改进后的余弦距离计算图像相似度,提高检索精度。实验表明,本文的套牌车辆检索方法切实可行,能够达到77%的查全率,86%的查准率。最后,通过套牌车检测试验证明,本文的方法能够对套牌车进行有效检测,准确率高达84%。本文的研究解决了车辆前景提取、套牌车辆车型识别与检索的难题,为套牌车辆管理查处系统的广泛应用奠定了基础。