智能交通系统是现代化交通的重要组成部分，而车型的自动识别是智能交通领域中的一个重要研究方向。它主要应用在高速公路收费、停车场管理、道路交通状况监管等领域。利用图像处理和模式识别技术的车型识别系统，安装容易、检测范围广、提取信息丰富，是研究的热点和发展趋势。本文设计了一套基于视频图像序列的车型识别系统。本文共包括三个部分：视频序列中运动车辆检测、车辆特征提取和车型识别。视频中运动车辆检测部分，在分析研究目前常用的多种运动目标检测算法的基础上，提出了一种三帧差分与统计法相结合的背景重建和更新方法，该方法可以快速地得到干净的背景，并且能消除车流量过多所带来的干扰；同时背景模型可以很快地适应场景的变化。利用背景差分法可以得到运动车辆的区域，针对车辆带来的阴影，直接在灰度空间利用归一化的互相关函数来消除阴影，最后利用形态学处理来去除噪声并把车辆目标提取出来。在实际应用中可以得到良好的分割效果。特征提取部分，本文在比较了多种图像特征后选取了SIFT特征来表征图像。SIFT特征对于物体尺度、视角和光线变化有较好的鲁棒性。本文舍弃了Lowe方法中比较耗时的特征点检测方法，采用了利用均匀网格采样来获取特征点，然后在指定大小的图像块中生成SIFT特征描述子。不仅提取特征速度更快，同时也兼顾了图像的全局特征，实验结果也证明均匀网格采样的SIFT特征比常规SIFT有更好的分类性能。在车型识别部分，本文采用了词袋模型(bag-of-word)和支持向量机(SVM)相结合的方法把车辆分为小轿车、面包车和卡车三类。利用词袋模型对图像进行特征表示，然后把特征向量送入SVM进行学习和测试，可以得到车辆的类型。实验分析了各个参数设置对分类性能的影响，表明在最佳的参数设置下，本文提出的方法可以达到92%的识别率。最后设计了一个车型识别系统的仿真平台。