随着我国经济的快速发展，城市现代化加快和道路行驶车辆的不断增加使得道路的交通环境不断恶化。频发的交通拥挤、道路阻塞及交通事故导致市民工作与出行变得越来越困难。为了改善城市交通环境，提高城市道路使用效率，国家大力发展城市公共交通建设，并努力推行公交优先和公交专用道，但实际效果并不理想。最主要的原因是缺乏对各类车辆违规占用公交专用道的管理方法和手段，单纯依靠交警部门的巡查，效果有限且难以满足实时管理的要求。因此，实现公交车辆与非公交车辆的自动识别成为加强公交专用道管理的一种最为有效的方法。本文利用背景差分方法获取车辆图像。对于固定式摄像机，图像背景变化相对较小，使用背景差分法效果较好且复杂度较低。使用HOG算法分析车辆的边缘特征，可以获得较为准确的车辆边缘方向梯度特征向量，同时将光线等环境因素变化对车辆边缘分析产生的影响降到最小。由于我国目前的公交车主要使用的是黄色的车牌，因此采用HSI颜色空间对道路上行驶车辆的车牌颜色进行检测，通过设置H分量的阈值范围，去除非目标颜色区域，可以有效的检测出黄色和蓝色的车牌区域。利用车辆图像的频谱，可以获得图像中的周期分布特征和车辆大小、面积等频谱特征，利用这些特征能够准确的区别公交车与货车。在基于支持向量机的公交车辆识别系统中，提取车辆的边缘方向梯度、车牌颜色、车辆纹理频谱这三个特征。根据检测公交车与非公交车，即“是”与“不是”的二分类问题，设计了基于线性分类支持向量机的公交识别系统，实现小样本条件下的公交车识别，克服了传统神经网络容易出现的局部极大值问题，识别率达到96%以上。