在視覺、聽覺和觸覺的識(shí)別中，視覺圖像識(shí)別有特別重大的意義。從信息論的角度來(lái)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(nèi)容極為廣泛。圖像實(shí)際上是景物在儀器焦平面上的透視投影。人類識(shí)別圖像的過(guò)程總是先找出它們外形或顏色的某些特征進(jìn)行比較分析、判斷，然后加以分門別類，即識(shí)別創(chuàng)門。同人類識(shí)別事物一樣，要對(duì)事物進(jìn)行觀察、抓住特點(diǎn)、分析比較、去偽存真、加以判斷，機(jī)器進(jìn)行圖像識(shí)別中也要對(duì)研究的圖像進(jìn)行信息獲取、信息加工、特征抽取和比較判斷分類。

　　圖像識(shí)別技術(shù)是人類利用計(jì)算機(jī)對(duì)現(xiàn)實(shí)圖像進(jìn)行分析和理解的技術(shù)，研究這項(xiàng)技術(shù)，對(duì)于促進(jìn)社會(huì)進(jìn)步和人類自身發(fā)展有著重大意義。多年來(lái)，人們?cè)趫D像識(shí)別領(lǐng)域取得了顯著的成就，并將這項(xiàng)技術(shù)成功的應(yīng)用在人們的日常生活當(dāng)中。

　　圖像識(shí)別是對(duì)預(yù)處理后的圖像進(jìn)行分類的方法。它可在分割的基礎(chǔ)上選擇需要提取的特征，并對(duì)某些參數(shù)進(jìn)行測(cè)量，再提取這些特征，最后根據(jù)測(cè)量結(jié)果作分類，這是利用圖像處理技術(shù)及故障進(jìn)行診斷的關(guān)鍵。

　　圖像識(shí)別技術(shù)發(fā)展歷史悠久，自20世紀(jì)50年代開始，人們便開始了對(duì)二維圖像分析與識(shí)別技術(shù)的研究工作，當(dāng)時(shí)的工作主要集中在諸如光學(xué)字符識(shí)別、工件

　　表面、顯微圖片和航空?qǐng)D片的分析和解釋等工作上。60年代，人們開始進(jìn)行三維結(jié)構(gòu)的分析和三維機(jī)器視覺的研究工作，到了70年代，已經(jīng)出現(xiàn)了一些視覺應(yīng)用系統(tǒng)。直到今天，圖像識(shí)別技術(shù)的新概念、新方法、新理論仍在不斷的涌現(xiàn)，始終是一個(gè)非?；钴S的領(lǐng)域。

　　現(xiàn)在人們已充分認(rèn)識(shí)到圖像處理和識(shí)別技術(shù)是認(rèn)識(shí)世界，改造世界的重要手段。圖像識(shí)別所研究的領(lǐng)域分布廣泛，它可以是機(jī)械加工中零部件的識(shí)別、分類;可以是從遙感圖片中辨別農(nóng)作物、森林、湖泊和軍事設(shè)施，以及判定農(nóng)作物的長(zhǎng)勢(shì)，預(yù)測(cè)收獲量等;可以使根據(jù)氣象觀測(cè)數(shù)據(jù)和氣象衛(wèi)星照片準(zhǔn)確預(yù)報(bào)天氣;根據(jù)石油勘探中的人工地震波提供有油的巖層結(jié)構(gòu);在高能物理實(shí)驗(yàn)中識(shí)別粒子徑跡;醫(yī)學(xué)診斷中根據(jù)x光照片判斷是否發(fā)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(tǒng)中自動(dòng)分揀信函;在繁華寬闊的交通中心實(shí)現(xiàn)交通管制、識(shí)別違章行駛的汽車及司機(jī);以及機(jī)場(chǎng)上空空中交通管理等等。

　　上述這些都是圖像識(shí)別的課題，看上去五花八門，種類繁多，但總的來(lái)說(shuō)就是分類問(wèn)題。它們所研究的對(duì)象，無(wú)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(wú)直覺形象而有數(shù)據(jù)或信號(hào)的波形—語(yǔ)言、聲音，心電圖、地震波等。但對(duì)圖像識(shí)別來(lái)說(shuō)，無(wú)論是數(shù)據(jù)、信號(hào)或平面圖形甚至物體，都是除掉它們各不相同的物理內(nèi)容，考慮對(duì)它們進(jìn)行“分類”這一點(diǎn)共性來(lái)研究的。針對(duì)這一共性，以統(tǒng)一的觀點(diǎn)，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(duì)象特性以及對(duì)象所屬的類別都加以說(shuō)明，這樣的過(guò)程一般是用機(jī)器來(lái)實(shí)現(xiàn)的，稱為“學(xué)習(xí)過(guò)程”，然后對(duì)一個(gè)新的對(duì)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(duì)象和它們的特性，根據(jù)某種判據(jù)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(shí)別技術(shù)廣泛應(yīng)用于機(jī)械、冶金、勘探、農(nóng)業(yè)、造林、漁業(yè)、天文氣象、醫(yī)務(wù)、郵電、交通、公安，財(cái)務(wù)等部門以及許多工礦企業(yè)中。如今世界各國(guó)己經(jīng)研制成多種多樣的自動(dòng)識(shí)別機(jī)和有視覺的機(jī)器人，利用這些識(shí)別機(jī)，可以自動(dòng)識(shí)別小至癌細(xì)胞，大至資源勘探的地貌圖等各種圖像。所以圖像識(shí)別的研究是非常有意義的。

　　圖像識(shí)別技術(shù)在智能交通監(jiān)控系統(tǒng)中的應(yīng)用現(xiàn)狀

　　圖像識(shí)別技術(shù)在ITS中的應(yīng)用領(lǐng)域非常廣闊，包括道路識(shí)別、障礙物檢測(cè)、車輛檢測(cè)、車牌識(shí)別和車型識(shí)別等領(lǐng)域。

　　道路識(shí)別是智能車輛導(dǎo)航中一個(gè)具有挑戰(zhàn)性的課題，是車輛導(dǎo)航的基礎(chǔ)。由于道路情況非常復(fù)雜，為使問(wèn)題簡(jiǎn)化，研究者們提出了許多關(guān)于道路模型的假設(shè)，包括道路曲線形狀假設(shè)，道路寬度及邊界平行假設(shè)，道路路面平坦假設(shè)，路面特征一致假設(shè)。目前主要采取下述方法：(l)基于區(qū)域的道路識(shí)別方法;(2)基于邊緣的道路識(shí)別方法;(3)基于模板的道路識(shí)別方法;(4)基于圖像濾波的道路識(shí)別方法。以上幾種方法已經(jīng)在實(shí)際應(yīng)用中取得了較好的效果，促進(jìn)了圖像識(shí)別技術(shù)在智能交通監(jiān)控系統(tǒng)中的實(shí)際應(yīng)用。

　　同時(shí)，圖像識(shí)別技術(shù)也被廣泛應(yīng)用于障礙物檢測(cè)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(biāo)志、摩托車、自行車、行人等，其檢測(cè)事關(guān)車輛駕駛的安全運(yùn)行。目前主要有以下幾種檢測(cè)方法：(1)基于立體視覺的障礙物檢測(cè)方法;(2)基于光流的障礙物檢測(cè)方法;(3)基于背景運(yùn)動(dòng)估計(jì)的障礙物檢測(cè)方法。以上幾種檢測(cè)方法，在國(guó)內(nèi)外的智能交通監(jiān)控系統(tǒng)中已經(jīng)得到了實(shí)際應(yīng)用，并取得了較好的效果。

　　車輛檢測(cè)是自動(dòng)交通監(jiān)控系統(tǒng)的基本技術(shù)之一，只有從背景中準(zhǔn)確地分割出車輛，才能進(jìn)行車輛的識(shí)別與跟蹤，才能進(jìn)行各種交通流參數(shù)的測(cè)量與分析。因此，車輛檢測(cè)是車輛計(jì)數(shù)、車速度、車流量、車密度等各種交通流參數(shù)測(cè)量的基礎(chǔ)。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(cè)法;(4)基于道路顏色模型法。以上的四種方法在實(shí)際車輛檢測(cè)中得到了廣泛的應(yīng)用。

　　車牌的自動(dòng)識(shí)別是圖像識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究方向之一，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。此項(xiàng)研究始于20世紀(jì)80年代，目前己成為國(guó)內(nèi)外的一個(gè)熱點(diǎn)研究方向。在世界范圍內(nèi)，機(jī)動(dòng)車號(hào)牌是對(duì)車輛身份識(shí)別的惟一標(biāo)記，盡管機(jī)動(dòng)車號(hào)牌的字符、顏色、格式內(nèi)容和制作材料多種多樣，但機(jī)動(dòng)車號(hào)牌仍是全球范圍內(nèi)精確和特定的識(shí)別標(biāo)記。通過(guò)圖像識(shí)別技術(shù)可以完成對(duì)車輛的自動(dòng)識(shí)別，自動(dòng)地對(duì)機(jī)動(dòng)車身份進(jìn)行認(rèn)證，從而使車輛管理、流量控制、路口交費(fèi)等實(shí)現(xiàn)高度自動(dòng)化。車輛牌照(VLP，Vehiele’：LieensePlate)的自動(dòng)識(shí)別是圖像識(shí)別技術(shù)應(yīng)用在智能交通領(lǐng)域的重要研究課題之一，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。VLP的粗流程包括圖像采集、機(jī)動(dòng)車號(hào)牌的提取、機(jī)動(dòng)車號(hào)牌字符的分割以及機(jī)動(dòng)車號(hào)牌字符的識(shí)別四大步驟：圖像采集即通過(guò)攝像機(jī)或者照相機(jī)采拍車輛的前視圖或后視圖;機(jī)動(dòng)車號(hào)牌的提取，是將機(jī)動(dòng)車號(hào)牌在采拍的車輛圖片中進(jìn)行號(hào)牌定位并提取出來(lái)的過(guò)程;機(jī)動(dòng)車號(hào)牌的分割即根據(jù)號(hào)牌特征分割號(hào)牌中的字符;機(jī)動(dòng)車號(hào)牌識(shí)別即在分割后的號(hào)牌中，提取漢字及其他字符的特征并進(jìn)行識(shí)別。VLP自動(dòng)識(shí)別系統(tǒng)在道路交通監(jiān)控、交通事故現(xiàn)場(chǎng)勘察、交通違章自動(dòng)記錄、高速公路自動(dòng)收費(fèi)系統(tǒng)、停車場(chǎng)自動(dòng)安全管理、智能園區(qū)管理等方面有著廣泛的應(yīng)用前景，并具有巨大的經(jīng)濟(jì)價(jià)值。

　　車牌識(shí)別的最大特點(diǎn)在于它是在自然條件下進(jìn)行的字符識(shí)別。車牌自動(dòng)識(shí)別系統(tǒng)研究的困難之處在于，構(gòu)成系統(tǒng)的環(huán)節(jié)較多，任何一個(gè)環(huán)節(jié)的失誤都會(huì)影響系統(tǒng)的性能;而且所拍得的汽車圖像質(zhì)量好壞不均，車牌在汽車上的位置也不固定，這些因素都會(huì)給車牌自動(dòng)識(shí)別帶來(lái)困難。

　　一個(gè)實(shí)用的車牌自動(dòng)識(shí)別系統(tǒng)應(yīng)具

　　備以下幾個(gè)特點(diǎn)：

　　1.人工干預(yù)少，自動(dòng)化程度高。

　　2.具有很高的識(shí)別率，只有拒識(shí)，沒有誤識(shí)。

　　3.具有實(shí)時(shí)的數(shù)據(jù)處理能力，完成一輛車的車牌識(shí)別時(shí)間在0.5一1秒以內(nèi)，否則會(huì)造成對(duì)下一輛車的漏識(shí)。

　　4.能夠在公路環(huán)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(dòng)識(shí)別系統(tǒng)難以投入使用的原因。因此，車牌自動(dòng)識(shí)別系統(tǒng)投入使用除需要圖像抓拍部分?jǐn)z取質(zhì)量更好的圖像外，還需要提高車牌自動(dòng)識(shí)別軟件中各個(gè)模塊的正確率。

　　國(guó)外汽車牌照識(shí)別系統(tǒng)研究工作己有一定進(jìn)展，但并不盡合我國(guó)國(guó)情，這主要是因?yàn)橐韵挛鍌€(gè)方面的原因：

　　1.我國(guó)標(biāo)準(zhǔn)汽車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，從而增加了識(shí)別的難度。

　　2.國(guó)外許多國(guó)家汽車牌照的底色和字符顏色通常只有對(duì)比度較強(qiáng)的兩種顏色(例如韓國(guó)，其車牌底色為紅色，車牌上的字符為白色)，而我國(guó)汽車牌照僅底色就有藍(lán)、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(guó)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(guó)則根據(jù)不同車輛、車型、用途，規(guī)定了多種牌照格式(例如分為軍車、警車、普通車等)。

　　4.我國(guó)汽車牌照的規(guī)范懸掛位置不唯一。

　　5.由于環(huán)境、道路或人為因素造成汽車牌照污染嚴(yán)重，這種情況下國(guó)外發(fā)達(dá)國(guó)家不允許上路，而在我國(guó)仍可上路行駛。

　　由于我國(guó)汽車車牌識(shí)別的特殊性，不能直接引進(jìn)國(guó)外的車牌識(shí)別技術(shù)，同時(shí)由于汽車車牌識(shí)別的復(fù)雜性，采用任何一種單一識(shí)別技術(shù)均難以奏效。目前車牌

　　識(shí)別主要面臨以下技術(shù)上的難點(diǎn)：

　　1.由于自然環(huán)境下的路面情況比較復(fù)雜，導(dǎo)致采集到的車牌圖像背景復(fù)雜車體本身的干擾，如車輛生產(chǎn)廠家的標(biāo)志、車體廣告、個(gè)性車主在車體上的涂鴉等都給圖像造成了干擾，都可能會(huì)對(duì)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(zhì)量較差，而且運(yùn)動(dòng)又不同程度地造成了圖像的惡化，透視產(chǎn)生了兒何變形，給圖像預(yù)處理造成了一定的困難。汽車牌照上目標(biāo)的大小不同，距離不等，目標(biāo)尺寸不規(guī)范，都存在著一定程度的圖像仿射變形和模糊大量的隨機(jī)噪聲的干擾，光線、光照角度的不同，造成車牌區(qū)域明暗灰度的無(wú)規(guī)律變化。汽車速度往往也會(huì)對(duì)車牌識(shí)別有較大的影響，汽車速度超過(guò)70公里/小時(shí)，拍攝的汽車圖像會(huì)產(chǎn)生模糊、扭曲、變形。

　　3.中國(guó)的車輛牌照一般由三種字符組成：漢字、英文字符、阿拉伯?dāng)?shù)字，所以中國(guó)的車輛牌照識(shí)別遠(yuǎn)遠(yuǎn)難于國(guó)外的車輛牌照識(shí)別。另一方面，車牌具有不同的顏色，主要分為黃底黑字、藍(lán)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(shí)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(shí)別增加了難度。

　　4.為了達(dá)到應(yīng)用的水平，必須要求能夠?qū)崟r(shí)地對(duì)過(guò)往車輛的車牌進(jìn)行識(shí)別，因此算法不能過(guò)于復(fù)雜。而大多數(shù)的傳統(tǒng)方法計(jì)算量都偏大，根本無(wú)法達(dá)到實(shí)時(shí)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(shí)別的方法。

　　5.在實(shí)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(fù)雜，所以在非車牌區(qū)域可能形成同車牌區(qū)域類似的色彩和紋理，可能導(dǎo)致定位時(shí)出現(xiàn)誤差?？焖贉?zhǔn)確的找到車牌的位置是一個(gè)難題。

　　6.字符的粘連處理，字符斷裂時(shí)的合并，是字符分割的難點(diǎn)。

　　7.車牌識(shí)別時(shí)雖然車牌字符的字符數(shù)比較少，字體規(guī)范，但也可能導(dǎo)致標(biāo)準(zhǔn)的車牌字符與實(shí)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。