不停车收费是智能交通系统的重要组成部分，车型快速，准确的分类是收费的依据，是实现不停车收费的关键步骤。神经网络的分类在实验室里已经取得了令人满意的效果，在实际应用中也解决了很多问题。在对车辆的几何特征提取后，对车辆的几何特征进行特征选择，可以剔除不相关或者冗余的特征，从而达到减少特征个数，提高模型精度，减少运行时间的目的。遗传算法用于特征选择的优点是，它具有相对较高的搜索能力和极强的鲁棒性，遗传算法采用的不是确定性规则，强调利用概率转换规则来引导搜索过程。支持向量机是源于感知器的一种机器学习，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势。选用320个样本对客车的4类车型，运用BP网络和支持向量机对客车进行进行分类预测，支持向量机在没有进行参数优化时，分类准确率不如BP网络，在得到相同的分类准确率时BP网络的特征较少，但是支持向量机分类在时间上占用优势。BP网络对数据的偏斜问题没有更高的要求。遗传算法进行参数寻优后的支持向量机客车车型分类准确率比BP网络的结果更优。