作为智能交通系统的一个重要部分,车型识别在打击盗窃车辆、规范交通秩序、高速公路自动计费等方面具有广泛的应用前景。车辆种类繁多,结构相似、车标类似的车辆大量存在,同时受到复杂背景因素(如：光照、天气)及一些外在因素(如人为污损、无牌照)的影响,获取车辆的准确信息非常困难。因此,车型识别成为计算机视觉领域的一大研究热点和难点。本文以安徽省科技攻关项目“基于视频图像的智能车型自动识别系统研究”为背景,针对基于卡口图像的车型识别技术进行研究。通过首先进行车前脸定位,然后基于特征提取和识别技术,进行车标和车前脸的识别,以此来进行车型的判断。本文的主要工作包括以下几个方面：1)车前脸的定位：在对传统车牌定位方法进行了解的基础上,提出了基于多特征融合的车牌定位方法,该方法基于颜色特征和纹理特征,对车牌进行定位。在定位好车牌的基础上,基于边缘检测和车牌位置,实现了车前脸的定位。2)基于车标和车前脸的车型识别：针对车前脸的特征提取,使用常见的特征提取方法训练分类器实现车型识别,其准确率不能满足要求,因此本文提出通过卷积神经网络自动学习车前脸的特征,以实现对车辆的识别。考虑到车辆类型的复杂性,首先进行车标识别以辅助系统判断车辆的品牌,然后使用车前脸的特征模型识别车辆系列。3)车型识别系统的实现：基于前面两章中提到的技术,开发了基于卡口图像的车型识别系统,基于测试数据集,对该系统的效果进行了评估和分析。