在視覺、聽覺和觸覺的識別中，視覺圖像識別有特別重大的意義。從信息論的角度來看，“圖像”所包含的信息量最大，不僅有灰度，還有色彩；不僅有平面，還有立體等，其內容極為廣泛。圖像實際上是景物在儀器焦平面上的透視投影。人類識別圖像的過程總是先找出它們外形或顏色的某些特征進行比較分析、判斷，然后加以分門別類，即識別創門。同人類識別事物一樣，要對事物進行觀察、抓住特點、分析比較、去偽存真、加以判斷，機器進行圖像識別中也要對研究的圖像進行信息獲取、信息加工、特征抽取和比較判斷分類。

     圖像識別技術是人類利用計算機對現實圖像進行分析和理解的技術，研究這項技術，對于促進社會進步和人類自身發展有著重大意義。多年來，人們在圖像識別領域取得了顯著的成就，并將這項技術成功的應用在人們的日常生活當中。

     圖像識別是對預處理后的圖像進行分類的方法。它可在分割的基礎上選擇需要提取的特征，并對某些參數進行測量，再提取這些特征，最后根據測量結果作分類，這是利用圖像處理技術及故障進行診斷的關鍵。

     圖像識別技術發展歷史悠久，自20世紀50年代開始，人們便開始了對二維圖像分析與識別技術的研究工作，當時的工作主要集中在諸如光學字符識別、工件

     表面、顯微圖片和航空圖片的分析和解釋等工作上。60年代，人們開始進行三維結構的分析和三維機器視覺的研究工作，到了70年代，已經出現了一些視覺應用系統。直到今天，圖像識別技術的新概念、新方法、新理論仍在不斷的涌現，始終是一個非常活躍的領域。

     現在人們已充分認識到圖像處理和識別技術是認識世界，改造世界的重要手段。圖像識別所研究的領域分布廣泛，它可以是機械加工中零部件的識別、分類；可以是從遙感圖片中辨別農作物、森林、湖泊和軍事設施，以及判定農作物的長勢，預測收獲量等；可以使根據氣象觀測數據和氣象衛星照片準確預報天氣；根據石油勘探中的人工地震波提供有油的巖層結構；在高能物理實驗中識別粒子徑跡；醫學診斷中根據x光照片判斷是否發生癌腫：從心電圖的波形判斷被檢查者是否患有心臟病；郵政系統中自動分揀信函；在繁華寬闊的交通中心實現交通管制、識別違章行駛的汽車及司機；以及機場上空空中交通管理等等。

     上述這些都是圖像識別的課題，看上去五花八門，種類繁多，但總的來說就是分類問題。它們所研究的對象，無非兩類：一是有直覺形象的—圖片、相片、圖案、文字圖樣等，一是無直覺形象而有數據或信號的波形—語言、聲音，心電圖、地震波等。但對圖像識別來說，無論是數據、信號或平面圖形甚至物體，都是除掉它們各不相同的物理內容，考慮對它們進行“分類”這一點共性來研究的。針對這一共性，以統一的觀點，把同一種共性者歸為一類；另一種共性者歸為一類，等等。至于類別的劃分，大致有兩種情況：一種是把對象特性以及對象所屬的類別都加以說明，這樣的過程一般是用機器來實現的，稱為“學習過程”，然后對一個新的對象，分析它的特性，決定它屬于哪一類。另一種分類情況稱為“聚合”，就是只告訴若干對象和它們的特性，根據某種判據把特性相同的歸為一類，而事先往往并不知道究竟分成多少類。

     目前，圖像識別技術廣泛應用于機械、冶金、勘探、農業、造林、漁業、天文氣象、醫務、郵電、交通、公安，財務等部門以及許多工礦企業中。如今世界各國己經研制成多種多樣的自動識別機和有視覺的機器人，利用這些識別機，可以自動識別小至癌細胞，大至資源勘探的地貌圖等各種圖像。所以圖像識別的研究是非常有意義的。

    圖像識別技術在智能交通監控系統中的應用現狀

     圖像識別技術在ITS中的應用領域非常廣闊，包括道路識別、障礙物檢測、車輛檢測、車牌識別和車型識別等領域。

     道路識別是智能車輛導航中一個具有挑戰性的課題，是車輛導航的基礎。由于道路情況非常復雜，為使問題簡化，研究者們提出了許多關于道路模型的假設，包括道路曲線形狀假設，道路寬度及邊界平行假設，道路路面平坦假設，路面特征一致假設。目前主要采取下述方法：（l）基于區域的道路識別方法；（2）基于邊緣的道路識別方法；（3）基于模板的道路識別方法；（4）基于圖像濾波的道路識別方法。以上幾種方法已經在實際應用中取得了較好的效果，促進了圖像識別技術在智能交通監控系統中的實際應用。

     同時，圖像識別技術也被廣泛應用于障礙物檢測方面：障礙物可看成車輛前方道路上具有一定高度的物體，如車輛、交通標志、摩托車、自行車、行人等，其檢測事關車輛駕駛的安全運行。目前主要有以下幾種檢測方法：（1）基于立體視覺的障礙物檢測方法；（2）基于光流的障礙物檢測方法；（3）基于背景運動估計的障礙物檢測方法。以上幾種檢測方法，在國內外的智能交通監控系統中已經得到了實際應用，并取得了較好的效果。

     車輛檢測是自動交通監控系統的基本技術之一，只有從背景中準確地分割出車輛，才能進行車輛的識別與跟蹤，才能進行各種交通流參數的測量與分析。因此，車輛檢測是車輛計數、車速度、車流量、車密度等各種交通流參數測量的基礎。目前主要有以下幾種方法。（l）基于背景差法；（2）基于幀差法；（3）基于邊緣檢測法；（4）基于道路顏色模型法。以上的四種方法在實際車輛檢測中得到了廣泛的應用。

     車牌的自動識別是圖像識別技術在智能交通領域應用的重要研究方向之一，是實現交通管理智能化的重要環節。此項研究始于20世紀80年代，目前己成為國內外的一個熱點研究方向。在世界范圍內，機動車號牌是對車輛身份識別的惟一標記，盡管機動車號牌的字符、顏色、格式內容和制作材料多種多樣，但機動車號牌仍是全球范圍內精確和特定的識別標記。通過圖像識別技術可以完成對車輛的自動識別，自動地對機動車身份進行認證，從而使車輛管理、流量控制、路口交費等實現高度自動化。車輛牌照（VLP，Vehiele’：LieensePlate）的自動識別是圖像識別技術應用在智能交通領域的重要研究課題之一，是實現交通管理智能化的重要環節。VLP的粗流程包括圖像采集、機動車號牌的提取、機動車號牌字符的分割以及機動車號牌字符的識別四大步驟：圖像采集即通過攝像機或者照相機采拍車輛的前視圖或后視圖；機動車號牌的提取，是將機動車號牌在采拍的車輛圖片中進行號牌定位并提取出來的過程；機動車號牌的分割即根據號牌特征分割號牌中的字符；機動車號牌識別即在分割后的號牌中，提取漢字及其他字符的特征并進行識別。VLP自動識別系統在道路交通監控、交通事故現場勘察、交通違章自動記錄、高速公路自動收費系統、停車場自動安全管理、智能園區管理等方面有著廣泛的應用前景，并具有巨大的經濟價值。

     車牌識別的最大特點在于它是在自然條件下進行的字符識別。車牌自動識別系統研究的困難之處在于，構成系統的環節較多，任何一個環節的失誤都會影響系統的性能；而且所拍得的汽車圖像質量好壞不均，車牌在汽車上的位置也不固定，這些因素都會給車牌自動識別帶來困難。

    一個實用的車牌自動識別系統應具備以下幾個特點：

    1.人工干預少，自動化程度高。

     2.具有很高的識別率，只有拒識，沒有誤識。

     3.具有實時的數據處理能力，完成一輛車的車牌識別時間在0.5一1秒以內，否則會造成對下一輛車的漏識。

     4.能夠在公路環境中全天候工作，能適于白天、黃昏、黎明、晴天、多云、陰天等條件。這正是目前車牌自動識別系統難以投入使用的原因。因此，車牌自動識別系統投入使用除需要圖像抓拍部分攝取質量更好的圖像外，還需要提高車牌自動識別軟件中各個模塊的正確率。

     國外汽車牌照識別系統研究工作己有一定進展，但并不盡合我國國情，這主要是因為以下五個方面的原因：

     1.我國標準汽車牌照是由漢字、英文字母和阿拉伯數字組成，漢字的識別與字母和數字的識別有很大的不同，從而增加了識別的難度。

     2.國外許多國家汽車牌照的底色和字符顏色通常只有對比度較強的兩種顏色（例如韓國，其車牌底色為紅色，車牌上的字符為白色），而我國汽車牌照僅底色就有藍、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等若干種顏色。

     3.其他國家的汽車牌照格式（如汽車牌照的尺寸大小，牌照上字符的排列等）通常只有一種，而我國則根據不同車輛、車型、用途，規定了多種牌照格式（例如分為軍車、警車、普通車等）。

     4.我國汽車牌照的規范懸掛位置不唯一。

     5.由于環境、道路或人為因素造成汽車牌照污染嚴重，這種情況下國外發達國家不允許上路，而在我國仍可上路行駛。

     由于我國汽車車牌識別的特殊性，不能直接引進國外的車牌識別技術，同時由于汽車車牌識別的復雜性，采用任何一種單一識別技術均難以奏效。目前車牌

    識別主要面臨以下技術上的難點：

     1.由于自然環境下的路面情況比較復雜，導致采集到的車牌圖像背景復雜車體本身的干擾，如車輛生產廠家的標志、車體廣告、個性車主在車體上的涂鴉等都給圖像造成了干擾，都可能會對處理造成影響。

     2.由于采集誤差、噪聲和光線的影響，使得圖像質量較差，而且運動又不同程度地造成了圖像的惡化，透視產生了兒何變形，給圖像預處理造成了一定的困難。汽車牌照上目標的大小不同，距離不等，目標尺寸不規范，都存在著一定程度的圖像仿射變形和模糊大量的隨機噪聲的干擾，光線、光照角度的不同，造成車牌區域明暗灰度的無規律變化。汽車速度往往也會對車牌識別有較大的影響，汽車速度超過70公里/小時，拍攝的汽車圖像會產生模糊、扭曲、變形。

     3.中國的車輛牌照一般由三種字符組成：漢字、英文字符、阿拉伯數字，所以中國的車輛牌照識別遠遠難于國外的車輛牌照識別。另一方面，車牌具有不同的顏色，主要分為黃底黑字、藍底白字、黑底白字等三種，字符與車牌背景的灰度比也不一致。所識別的車輛種類繁多、車型、顏色變化多端，這些因素均給車牌識別增加了難度。

     4.為了達到應用的水平，必須要求能夠實時地對過往車輛的車牌進行識別，因此算法不能過于復雜。而大多數的傳統方法計算量都偏大，根本無法達到實時的要求。這就要求要另辟蹊徑，尋求一種快速精確的定位和識別的方法。

     5.在實際情況下由于各類車型不同，大小不同，同一車型的車牌位置不同，加上車身紋理線條復雜，所以在非車牌區域可能形成同車牌區域類似的色彩和紋理，可能導致定位時出現誤差。快速準確的找到車牌的位置是一個難題。

     6.字符的粘連處理，字符斷裂時的合并，是字符分割的難點。

     7.車牌識別時雖然車牌字符的字符數比較少，字體規范，但也可能導致標準的車牌字符與實際拍攝的車牌字符之間存在較大差距，致使模板的選取存在較大困難。

【聲明】物流產品網轉載本文目的在于傳遞信息，并不代表贊同其觀點或對真實性負責，物流產品網倡導尊重與保護知識產權。如發現文章存在版權問題，煩請聯系小編電話：010-82387008，我們將及時進行處理。