随着城市化进程的加速，城市道路交通拥堵问题日益严峻，车辆识别与计数作为智能交通系统（ITS）的关键技术之一，对于缓解交通拥堵、提高道路通行效率具有重要意义。
本文献综述首先介绍了车辆识别与计数的相关概念，包括OpenCV、车辆特征提取、目标检测、车辆跟踪等，接着梳理了国内外在车辆识别与计数领域的研究现状，从传统图像处理方法到深度学习方法，对各种算法的优缺点进行了分析比较。
然后，重点阐述了基于OpenCV的城市道路车辆识别与计数的主要研究方法，包括基于背景建模的目标检测、基于特征匹配的目标检测、基于深度学习的目标检测以及车辆计数方法。
最后，对该领域的研究趋势进行了展望，指出了未来研究的重点方向。
关键词：车辆识别；车辆计数；OpenCV；深度学习；智能交通
1.1OpenCVOpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉库，它包含了大量的图像处理和计算机视觉算法，提供了C 、Python、Java等多种语言接口，可以运行在Linux、Windows、Android、iOS等多个平台上。
OpenCV具有跨平台、高性能、易扩展等优点，被广泛应用于图像识别、目标检测、视频分析等领域。
1.2车辆特征提取车辆特征提取是指从车辆图像中提取出能够表征车辆身份或状态的特征信息，如颜色、纹理、形状、边缘、角点等。
常用的车辆特征提取方法包括：基于颜色直方图的特征提取、基于灰度共生矩阵的纹理特征提取、基于边缘检测的形状特征提取、基于Harris角点检测的角点特征提取等。
1.3目标检测目标检测是指从图像或视频中识别出特定目标的位置和类别，是计算机视觉领域的核心任务之一。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
