一、选题的意义和目的
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，车身颜等，而且一般只是利用单一的特征进行车辆识别。
蜗轮蜗杆副
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，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。
在传统的车辆识别技术中，车牌作为车辆的唯一“身份证”，其识别技术一直是人们研究的热点和重点。
车牌识别包括车牌定位，车牌字符切割与车牌字符识别。其中车牌定位一直是车牌识别的重点和难点。近年来相关文献提出许多车牌定位算法，其中比较典型的算法有基于边缘法，基于彩分割法，基于小波变换和基于遗传算法的方法等;在车牌字符切分方面，主要的方法有[2]:基于二值（灰度）图像水平（垂直）投影分布的车牌字符的切分方法，基于二值图像字符区域上下轮廓分布的车牌字符切分算法，基于模板匹配的车牌字符切分算法，基于聚类分析的车牌字符切分算法，基于车牌二值图像字符连通性的字符切分算法，基于颜分类的车牌字符切分算法等; 在车牌字符分类器的设计方面采取的主要方法有:神经网络分类器（包括BP神经网络，SOFM网络等)，模板匹配分类器，基于概率统计的Bayes分类器，几何分类器等。
尽管现在的车牌识别技术已经发展到相当完善的地步，国内外的许多学者也研究了很多成熟的车牌识别算法，国内许多的企业也已生产出许多的车牌识别软件，但是现有的车牌识别技术仍有很多的不足之处，主要表现在现有的车牌识别算法只是在解析度较高和图像比
较清晰的车牌，才能够有效地识别车辆，而对于较低解析度和较为模糊的车牌，特别是车牌有较为严重的污迹，锈迹，遮挡或变形时，却没有有效的识别方法，而且对于车辆盗窃发生长时间后，犯罪分子更换车牌等情况，只应用车牌识别很难发现被盗车辆。因此进一步寻更加完善的车辆识别方法仍是我们亟待解决的问题。
此外实践证明仅仅通过车牌和车型信息还不能完全达到确认车辆身份的目的。除了车牌和车型信息外，车辆还有车标这一重要的信息。车标包含了车辆的车型信息，此外它还包含了难以更换的生产厂家信息。然而，现在许多学者都把重点放在了车牌识别和车型识别上，使得车标这一重要信息被遗忘，目前车标识别还存在着很多的问题没有解决，主要表现在以下四个方面[3][4]:
1．车标的形状千差万别，可以由生产厂商自主决定。有类圆形的，类方形的,
还有字母的等等。
2．图像采集设备的低像素导致所得车辆图像分辨率低,而且车标的尺寸差别很大。
3.车标周围一般都有散热网干扰，而且散热网的纹理多种多样，致使车标区域前景和背景
飞行模拟舱难以区分，给定位带来了困难。
4.车标受天气变化影响严重，晚间车牌能够反光易于捕获，但车标几乎不能辨识。三基光源
5.随着车辆种类的不断增加，识别系统的模板库也要随之丰富，否则识别效果会受到严重的影响。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议