智能交通系统是未来交通的发展方向，车型识别作为智能交通的重要组成部分及关键技术基础，在交通监控和调度，路桥收费管理等领域一直有着重要的应用。而随着计算机视觉的发展，如何更好的利用图像处理技术，扩展车型识别的应用范围，成了近年来研究的热点。　　本文以数字图像特征提取与分类算法为基础，对现有的特征提取与分类算法进行深入分析和讨论;并针对现有算法中存在的模型建立困难，理论支撑少，训练复杂度大等问题，提出了一种基于ECOC的车型识别算法。本文的主要工作包括:　　(1)实现了基于分类器的车型识别算法。首先，在对图像处理相关理论进行详细分析的基础上，采用了具有对几何和光照具有旋转不变性的图像梯度直方图进行图像特征提取;然后，对于提取出的特征分别应用K-近邻分类器和随机森林进行分类训练，并做出类别判决。　　(2)提出了一种基于纠错输出编码的车型识别算法。首先采用HOG算法进行图像特征提取，然后将纠错输出编码和分类器结合使用，将多类分类问题转化成多个两类分类问题。具体做法是根据给定的样本编码矩阵，定义若干个二元切分，用多个二类的单分类器对每个切分进行独立求解，在预测阶段再综合各个单分类器的输出和编码矩阵的距离来判断样本的类别。　　最后，对本文所提方法进行了实验验证。通过五种类型车辆的实验验证数据的最终分析，证明了本算法不仅在车型识别的实用性以及通用性上有所提高，同时也为车型识别的难题提出了一个新的解决思路，具有较高理论和实用价值。