结合了多种先进技术的智能交通系统（ITS）在解决当前存在的诸多交通问题中显现出越来越重要的作用，交通信息采集作为基础环节在整个ITS中有着重要的作用。视频检测相比于传统信息检测技术有成本低、易维护、信息丰富、适用广等优点，因此成为一种重要的交通信息检测技术，而车辆检测及车型识别是视频检测中重要的研究内容。　　本文对视频中的运动车辆检测技术及车型识别技术进行研究，实现基于视频图像的车辆识别系统设计，整个系统包括车辆检测分割、车型特征提取、车型识别三个部分。文章主要研究内容和成果如下：（1）研究比较了现有常用的运动车辆检测算法，针对经典码本模型存在的问题，采用融合帧间差分的码本模型检测算法，对YUV空间下的亮度分量建立码本模型，并在建模和检测阶段分别融入帧差法和分块帧差，提高了建模速度和检测精度。最后对检测结果进行形态学滤波，再将车辆目标从当前帧中分割出来并进行大小归一化。该部分实验结果表明本文算法对检测环境的适应性良好。（2）在特征提取阶段，由于SURF特征运算速度较快，并且具有尺度、光照、角度不变性，因此选取SURF算法进行特征提取，然后通过车辆图像区域分块的方式获取车型特征向量。本文根据车辆图像特征点的分布特点对图像分块方式进行改进，采用非平均方式将图像划分为5块，增大了特征点密集区域的权值，同时减小了背景区域特征点对结果的影响。实验比较结果表明该方法在对特征提取速度影响较小的前提下较好地提高了识别率。（3）选取支持向量机作为模式分类技术，采用一对一分类器构造决策导向无环图（DDAG）的分类方法形成车型SVM分类器并验证其性能，总体识别率为92％左右，最后在VS2010下设计并实现了整个车辆识别系统。　　各部分实验结果及整体系统运行结果表明本文识别算法在识别率、运算速度、环境适应能力等方面均具有较好的性能。