基于单目视觉的车辆识别通常分为至少一部分车辆生成（CG）和名义车辆验证（CV）两个步骤。传统的CG步骤经常采用遍历的方法，获得的少量车辆窗口数量庞大，增加了后续的CV阶段本文提出一种基于几何和深度信息的CG方法，在不丢失有效车辆区域的高度下大大减少了体积的车辆的数量。该方法首先将图像以超高精度形式进行分块，同时利用预先训练的Adaboost分类器获取超分辨率图像的几何信息和粗糙深度信息。然后利用车辆在世界坐标系下的垂直度，位置和尺寸等先验知识，采用与传统算法的比较结果表明，本方法以检测率的微小降