1. 研究目的与意义
近年来随着经济的快速增长，人们的生活水平不断提高，机动车的规模和数量也急剧增加，机动车在给人们带来经济利益和生活方便的同时，也给人们带来了很多的困扰，如交通阻塞，环境污染和能源浪费等问题，因此，进一步加强车辆的自动化管理日趋重要。
传统的车辆识别是指根据车辆的外貌特征，将车辆自动归类（如卡车，轿车或公共汽车），这些特征包括车体外形，车身颜色等，而且一般只是利用单一的特征进行车辆识别。
本文中的车辆自动识别技术[1]是指当车辆通过某一特定的地点时（如自动收费站，小区进出口管理等），系统自动识别出车辆本身的代表符号以及固有属性（如车牌号，车辆的颜色，车型特征及车标等）的一种技术。车辆识别技术的内容一般包括车牌识别，车型识别，车标识别以及车辆颜色识别等技术。车辆识别技术是实现车辆自动化管理的基础，它广泛应用于公路和桥梁收费站，公路流量观测站，城市监控系统，停车场管理系统，港口和机场等车牌认证的实际交通系统中，以提高交通系统的车辆监控和管理的自动化程度。
2. 国内外研究现状分析
智能交通系统是当今社会的热点话题，而车辆识别技术作为智能交通系统的核心技术，其发展越来越受到大家的关注。它广泛应用于公路和桥梁收费站，公路流量观测站，城市监控系统，停车场管理系统，港口和机场等车牌认证的实际交通系统中，以提高交通系统的车辆监控和管理的自动化程度。
早在60年代末，70年代初国外的科学家就对车辆的自动识别进行了研究，由于受到当时技术发展的影响，曾采用彩色条形码、磁感应、摄像、照相、声表面波等技术来实现车辆的自动识别，但都因现场的具体应用环境复杂，始终没有解决系统识别精度不高，抗干扰性能差这一技术难题，因此没有得到广泛使用。进入80年代，随着计算机技术和微波技术的迅猛发展，国外许多公司都在致力于采用微波反射调制技术来实现车辆自动识别的研究，由于此项技术具有较高的抗干扰性能和较高的识别精度因而得到了广泛的使用。
目前国内外采用的方法主要有：感应线圈法，红外探测法，超声波检测法，车牌识别法，轮廓识别法等。下面分别介绍[8][9]：
3. 研究的基本内容与计划
本文针对车标定位，车标识别以及车辆身份确定等几个难题，基于模式识别，神经网络和信息融合的理论，用有关的数学理论和人工神经网络最新成果，给出和研究一类新的车辆识别系统。同时，研究新的模型实现算法，工作算法。具体内容，研究目标，以及拟解决的关键问题如下：
内容：提出并研究车辆自动识别系统及其设计方法，包括设计算法和模型工作算法，而主要的工作就是分析现有的车标识别算法，寻找鲁棒性和实时性更好的车标识别算法，然后在车牌识别和车标识别的基础上，建立一个数据库，基于车辆颜色，车标与车牌识别的互补特性以及识别信息的优先级不同，运用决策级信息融合策略，设计分类器，快速确定车辆身份。
课题研究的前期资料收集，做开题报告
4. 研究创新点
该系统功能实用 界面简洁明了 快捷方便
