湖北工業(yè)大學 田飛

圖像識別技術(shù)在車輛識別中的應(yīng)用

湖北工業(yè)大學 田飛

近年來人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展為解決這一問題提供了新的途徑。神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)是隨著當代計算機技術(shù)、圖像處理、人工智能、模式識別理論等發(fā)展起來的一種新興圖像識別技術(shù)，是在傳統(tǒng)的圖像識別方法的基礎(chǔ)上融合神經(jīng)網(wǎng)絡(luò)算法的一種圖像識別方法。圖像識別是近20年來發(fā)展起來的一門新興技術(shù)科學，它以研究某些對象或過程(統(tǒng)稱圖像)的分類與描述為主要內(nèi)容，應(yīng)用范圍非常廣泛，特別是在車輛識別方面的應(yīng)用。但是傳統(tǒng)的圖像識別技術(shù)，多是基于統(tǒng)計圖像識別方法和句法圖像識別方法等大規(guī)模計算的基礎(chǔ)之上的，在運算量和正確識別率之間存在著突出的矛盾。本文提出了使用基于神經(jīng)網(wǎng)絡(luò)的圖像識別算法，同時對圖像處理中的重要步驟也根據(jù)神經(jīng)網(wǎng)絡(luò)的特點進行了相應(yīng)的改進。

圖像識別技術(shù)；車輛識別；應(yīng)用

車牌自動識別（Automobile License Plate Recognition，ALPR）技術(shù)作為公路交通管理自動化的重要手段，其任務(wù)是分析處理汽車圖像，自動識別汽車牌照。本文首先說明課題的研究背景及意義，車牌自動識別技術(shù)的國內(nèi)外發(fā)展現(xiàn)狀，然后對車牌自動識別系統(tǒng)進行簡要介紹，最后介紹本文的組織結(jié)構(gòu)。

人工神經(jīng)網(wǎng)絡(luò) (Artifical Neural Network，簡稱ANN)是40年代提出、80年代復興的一門交叉學科。它以生物大腦的結(jié)構(gòu)和功能為基礎(chǔ)、網(wǎng)絡(luò)結(jié)點模仿大腦的神經(jīng)元細胞、以網(wǎng)絡(luò)連接權(quán)模仿大腦的激勵電平、以簡單數(shù)學方法完成復雜的智能分析，能有效地處理問題的非線性、模糊性和不確性關(guān)系。人工神經(jīng)網(wǎng)絡(luò)技術(shù)以其大規(guī)模并行處理、分布式存儲、自適應(yīng)性、容錯性等優(yōu)點吸引了眾多領(lǐng)域科學家的廣泛關(guān)注，被廣泛地應(yīng)用于生物、電子、計算機、數(shù)學和物理等領(lǐng)域。

圖像識別是用現(xiàn)代信息處理與計算技術(shù)來完成人的認識、理解過程。簡單地說圖像識別就是把研究對象，根據(jù)其某些特征進行識別和分類。因此可以認為圖像的模式識別就是把圖像進行識別分類。圖像識別的目的就是設(shè)計程序或設(shè)備，代替人類自動處理圖像信息，自動對圖像進行分辨和識別，實現(xiàn)較高的圖像識別率。

模板匹配是最早出現(xiàn)，也是最簡單的模式識別方法之一。匹配是模式識別的一種分類操作，主要是判斷同一類的2個實體(如點、曲線、形狀等)之間的相似性。要進行模板匹配，首先需要存儲一些已知模板，然后考慮所有可能的變化，將待識別模板與己知模板相比較，從而得出兩者之間的相似性度量。已知模板一般是通過訓練得到的。模板匹配辦法在字符識別、人臉識別等領(lǐng)域有廣泛的應(yīng)用。但是該方法計算量非常大，而且該法的識別率嚴重依賴于己知模板。如果已知模板產(chǎn)生變形，會導致錯誤的識別，由此產(chǎn)生了可變形模板匹配方法。

圖像識別是一個典型的模式識別問題，分為特征提取和識別2個過程。通常發(fā)現(xiàn)提取待識別樣本的主要特征是一件十分困難的工作。而BP神經(jīng)網(wǎng)絡(luò)通過非線性計算來識別圖像，其特征抽取過程比基于概率論的模式識別簡單的多。BP算法是通過一些學習規(guī)則來調(diào)整神經(jīng)元之間的連接權(quán)值，具有思路清晰、結(jié)構(gòu)嚴謹、工作狀態(tài)穩(wěn)定、可操作性強的特點，可以解決大多數(shù)神經(jīng)網(wǎng)絡(luò)所面臨的許多問題，在圖像識別中有廣泛的應(yīng)用。本文主要研究了雙隱層BP神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用，并且為了克服其本身存在收斂速度慢和容易陷入局部極小等缺點，將遺傳算法引入其中。遺傳算法具有很強的宏觀搜索能力，并具有簡單通用、魯棒性強、并行運算的特點，所以用它來完成前期搜索能較好地克服BP算法的缺點。經(jīng)實驗表明，在進行圖像識別時，該算法的收斂性、學習速度和識別率都優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)及其他改進算法。

圖像識別是近20年來發(fā)展起來的一門新興技術(shù)科學，它以研究某些對象或過程(統(tǒng)稱圖像)的分類與描述為主要內(nèi)容，應(yīng)用范圍非常廣泛。神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)是隨著當代計算機技術(shù)、圖像處理、人工智能、模式識別理論等發(fā)展起來的一種新興圖像識別技術(shù)，是在傳統(tǒng)的圖像識別方法的基礎(chǔ)上融合神經(jīng)網(wǎng)絡(luò)算法的一種圖像識別方法。

[1]彭淑敏．神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)研究與實現(xiàn)[D]．北京：西安電子科技大學，2005．

[2]李弼程，彭天強，彭波．智能圖像處理技術(shù)[M]．北京：電子工業(yè)出版社，1998.

[3]胡小峰，趙輝．VisualC++/MATLAB圖像處理與識別實用案例精選[M]．北京：電子工業(yè)出版社，2004.

[4]Kenneth R Caseleman．數(shù)字圖像處理技術(shù)[M]．北京：電子工業(yè)出版社，1998.

2017-10-10）