目标识别是计算机视觉一个重要的研究领域，由此延伸出的车辆型号识别具有重 要的实际应用价值，特别是在当今交通状况复杂的大城市，智能交通系统成为发展趋 势，这离不开对车辆型号进行识别和分类的工作，本文围绕如何利用计算机视觉的方 法进行车辆型号的识别和分类展开了一系列研究： 本文对当前的目标识别和分类的特征和算法做了总结和归纳。分析比较了作为图 像特征描述常见的特征算子，总结归纳了他们的提取方法、特征性能以及相互之间的 关联。另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作 方

针对高速公路环境下的车型识别问题，利用深度学习Caffe 框架中的AlexNet 和传统方法支持向.量机( SVM) ，分别对车辆图像进行网络训练与测试，得到两种车型识别方法的准确率并进行比较验证。.实验结果表明: 卷积神经网络的分类方法具有较高的车型识别精度，车型识别准确率高。