(上海电力学院 电子与信息工程学院,上海 200090)

目前的车辆自动识别技术主要分为3个层次:一是类型识别,用于区分车辆的大致种类;二是款式识别,用于鉴定车辆的品牌型号;三是身份识别,用于准确确定汽车的个体身份。

已有的车辆识别分类方法大多关注车型的分类(大型、中型、小型)以及具有明显差异的车辆大类(卡车、公交车、小汽车等)。早期的技术中,基于地埋感应线圈、地埋压电传感器的车型识别技术[1],可对车型进行大致的识别,但难以得出较为准确的车辆信息;基于红外线检测的车型识别技术通过有无反射波对过往车辆进行检测,鉴于车辆速度等不确定性因素,也只能得到大致的检测结果。近年来,由于高清晰摄像机的出现与多媒体处理芯片性能的提高,基于视频图像分析技术的车辆分类和识别得到了进一步的研究和应用。

基于视频图像的车辆识别方法的依据是车辆的外部特征,主要包括几何特征、纹理特征[2]、运动特征。一般处理的步骤是,首先根据运动信息分割出车辆区域(通常称为感兴趣区域),然后根据车辆的各种特征数据进行分类判决。这些特征信息可以是车辆图像的几何参数特征、代数特征值、不变矩特征[3]、变换系数特征或特征点[4]等。判别特征的常用方法主要有最小距离分类(如采用角点的Hausdorff 距离)、隐马尔可夫模型识别[5]、支持向量机识别,以及人工神经网络(Artificial Neural Network,ANN)[6]等,但这些分类算法往往耗时较多,且对使用何种特征缺乏有效的评价机制。……