【正文】 產(chǎn)品主要適合新加坡的車牌，Hitech公司的 see/car system 有多種變形的產(chǎn)品來(lái)分別適應(yīng)某一個(gè)國(guó)家的車牌。 使用視覺(jué)字符識(shí)別技術(shù)(Optical Character Recognition Technology)分析所獲得的圖像，首先在二值化圖像中找到車牌，然后用邊界跟蹤技術(shù)提取字符特征，再利用統(tǒng)計(jì)最鄰近分類器(Statistical Nearest Neighbor Classifying System)與字符庫(kù)中的字符比較，得出一個(gè)或幾個(gè)車牌候選號(hào)碼，再對(duì)這些號(hào)碼進(jìn)行核實(shí)檢查，確定是否為該車牌號(hào)碼，最終確定車牌號(hào)碼。早在 20 世紀(jì) 80 年代，便有一些零零散散的圖像處理方法用于車牌自動(dòng)識(shí)別的某些具體應(yīng)用。車輛自動(dòng)識(shí)別系統(tǒng)是以解決交通擁擠問(wèn)題和高速公路多發(fā)事故問(wèn)題而產(chǎn)生的，是近20 年來(lái)新興起的一個(gè)跨學(xué)科的、系統(tǒng)化的綜合研究體系，其目的是在不擴(kuò)張路網(wǎng)規(guī)模的前提下，通過(guò)綜合運(yùn)用現(xiàn)代科學(xué)技術(shù)，來(lái)提高交通路網(wǎng)的通行能力和交通運(yùn)輸能力。汽車牌照識(shí)別系統(tǒng)是以圖像識(shí)別技術(shù)為基礎(chǔ)的智能交通管理系統(tǒng)，是21世紀(jì)世界道路交通管理的發(fā)展趨勢(shì)。汽車牌照識(shí)別系統(tǒng)具有不影響車輛行駛狀態(tài)，不需要車輛安裝額外的設(shè)備，自動(dòng)化水平高等優(yōu)點(diǎn)。中華人民共和國(guó)交通部是這樣陳述汽車牌照識(shí)別技術(shù)的：汽車牌照識(shí)別技術(shù)(License Plate Recognition， LPR)是一個(gè)以特定目標(biāo)為對(duì)象的專用計(jì)算機(jī)視覺(jué)系統(tǒng)，該系統(tǒng)能從一幅圖像中自動(dòng)提取車牌圖像，自動(dòng)分割字符，進(jìn)而對(duì)字符進(jìn)行識(shí)別，它運(yùn)用模式識(shí)別、人工智能技術(shù)，對(duì)采集到的汽車圖像進(jìn)行處理，能夠?qū)崟r(shí)準(zhǔn)確地自動(dòng)識(shí)別出車牌的數(shù)字、字母及漢字字符，并以計(jì)算機(jī)可直接運(yùn)行的數(shù)據(jù)形式給出識(shí)別結(jié)果，使得車輛的電腦化監(jiān)控和管理成為現(xiàn)實(shí)。智能交通系統(tǒng)的研究領(lǐng)域廣闊，其中電子收費(fèi)系統(tǒng)是 ITS 在公路收費(fèi)領(lǐng)域的具體表現(xiàn)，其應(yīng)用可解決收費(fèi)站的“瓶頸”制約作用，較好地緩解收費(fèi)站的交通擁擠、排隊(duì)等候以及環(huán)境污染等問(wèn)題。通過(guò)這些裝置對(duì)過(guò)往的車輛實(shí)施檢測(cè)，提取相關(guān)的交通數(shù)據(jù)，達(dá)到監(jiān)控、管理和指揮交通的目的，全面實(shí)現(xiàn)交通系統(tǒng)的智能化建設(shè)。即使各地都建立了交通控制中心，大多只是實(shí)現(xiàn)了監(jiān)視功能，而遠(yuǎn)沒(méi)有發(fā)揮控制功能的效應(yīng)。其目的是使人、車和路能夠密切地配合，和諧地統(tǒng)一，極大地提高交通運(yùn)輸效率、保障交通安全、改善環(huán)境質(zhì)量和提高能源利用率[1]。在當(dāng)今城市化高速發(fā)展的時(shí)代，隨著社會(huì)經(jīng)濟(jì)的高速發(fā)展，機(jī)動(dòng)車數(shù)量增長(zhǎng)很快，全社會(huì)機(jī)動(dòng)車保有量增長(zhǎng)速度不低于經(jīng)濟(jì)增長(zhǎng)速度。隨著汽車數(shù)量的逐年遞增，擺在我們面前的是巨大的城市交通壓力。交通作為國(guó)民經(jīng)濟(jì)基礎(chǔ)性產(chǎn)業(yè)，大力推進(jìn)信息化，對(duì)于實(shí)現(xiàn)交通新的跨越式發(fā)展具有十分重要的意義。在電子收費(fèi)系統(tǒng)中，由于收費(fèi)過(guò)程需要實(shí)現(xiàn)自動(dòng)化，車輛直接駛過(guò)收費(fèi)站而不停車，因而對(duì)車輛準(zhǔn)確迅速的識(shí)別和分類就成了關(guān)鍵的問(wèn)題。車輛牌照識(shí)別系統(tǒng)綜合運(yùn)用了圖像處理、模式識(shí)別以及人工智能等方面的理論技術(shù)。由于車輛牌照識(shí)別系統(tǒng)的處理方法簡(jiǎn)單有效，適用于多種不同環(huán)境，車輛牌照識(shí)別系統(tǒng)正成為 ITS 系統(tǒng)最主要的組成部分。高速公路的車輛管理體制通過(guò)智能管理可以杜絕漏收、少收、人情收費(fèi)和個(gè)別貪污的行為；可以實(shí)現(xiàn)特殊車輛的跟蹤、丟失車輛的實(shí)時(shí)查詢、小區(qū)車輛的科學(xué)管理以及道路車輛流量、型號(hào)的自動(dòng)化統(tǒng)計(jì)。國(guó)內(nèi)也有多家單位在進(jìn)行這方面的研究，北京弗雷德科技有限公司，亞洲視覺(jué)科技有限公司，中科院沈陽(yáng)自動(dòng)化所的沈陽(yáng)聚德公司，深圳市科安信實(shí)業(yè)有限公司，中國(guó)信息產(chǎn)業(yè)部下屬的中智交通電子有限公司等也都有自己的產(chǎn)品。在這個(gè)階段，車牌自動(dòng)識(shí)別技術(shù)的研究還沒(méi)有形成完整的系統(tǒng)體系，一般采用簡(jiǎn)單的圖像處理方法來(lái)解決某些具體問(wèn)題，并且最終結(jié)果通常需要人工干預(yù)。這個(gè)時(shí)期的應(yīng)用在識(shí)別正確率方面有所突破，但還沒(méi)有考慮識(shí)別實(shí)時(shí)性的要求，識(shí)別速度有待進(jìn)一步提高。see/car system 系統(tǒng)可以對(duì)中國(guó)大陸的車牌進(jìn)行識(shí)別，但不能識(shí)別車牌中的漢字，另外日本、加拿大、德國(guó)、意大利、英國(guó)等各個(gè)西方發(fā)達(dá)國(guó)家都有適合本國(guó)車牌的識(shí)別系統(tǒng)[3]。這就需要研究性能更好的算法來(lái)提高算法的魯棒性。第五，在國(guó)內(nèi)的車牌識(shí)別系統(tǒng)需要解決的一個(gè)難題就是在字符識(shí)別過(guò)程中的對(duì)漢字的識(shí)別問(wèn)題。2系統(tǒng)開(kāi)發(fā)編程語(yǔ)言 Visual C++介紹VC 是一個(gè)面向?qū)ο蟮目梢暬砷_(kāi)發(fā)系統(tǒng)，它不但具有程序框架自動(dòng)生成、靈活方便的類管理、代碼編寫(xiě)和界面設(shè)計(jì)集成交互操作、可開(kāi)發(fā)多種程序等優(yōu)點(diǎn)，而且通過(guò)簡(jiǎn)單設(shè)置就可使其生成的程序框架支持?jǐn)?shù)據(jù)庫(kù)接口、OLEWinSock網(wǎng)絡(luò)、3D控制界面。VC 集成了MFC ，增加了OLE 和支持 MFC 的 ODBC。VC 集成了MFC 。VC 2005（VC ）集成了MFC ，于 2005 年發(fā)布， ，該版本引進(jìn)了對(duì)C++/CLI 語(yǔ)言和 Open MP 的支持。Visual C++ 作為一個(gè)功能非常強(qiáng)大的可視化應(yīng)用程序開(kāi)發(fā)工具，是計(jì)算機(jī)界公認(rèn)的最優(yōu)秀的應(yīng)用開(kāi)發(fā)工具之一。 OpenCV介紹OpenCV（Open source Computer Vision library）是 1999 年由 Intel 公司開(kāi)發(fā)的圖像處理和計(jì)算機(jī)視覺(jué)開(kāi)放源碼庫(kù)，它由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法[6]。截止到 2012 年年初，OpenCV 已發(fā)展到 版本。OpenCV 中曾經(jīng)還有一個(gè) CvCam 模塊，但從 版本開(kāi)始 OpenCV 便不再包含它，其功能被 HighGUI 所取代。 Mohammed V, Souissi, RabatMorocco摘 要：本文采用線性和非線性內(nèi)核的軟邊緣SVM來(lái)對(duì)圖像分類，從多數(shù)據(jù)集中提取多維梯度直方圖特征向量，并將序列最小優(yōu)化算法(SMO)方法應(yīng)用于從訓(xùn)練數(shù)據(jù)中搜索最優(yōu)分隔超平面。與基于實(shí)際實(shí)驗(yàn)所產(chǎn)生的神經(jīng)網(wǎng)絡(luò)[1]相反，SVM有很深的理論背景，即統(tǒng)計(jì)學(xué)習(xí)理論（SLT）[2]和結(jié)構(gòu)風(fēng)險(xiǎn)最小化(SRM)[3]。去討論用于車輛識(shí)別的特征選擇問(wèn)題，是毫無(wú)意義的。Ⅱ、二元SVM讓我們來(lái)考慮一個(gè)二元線性分類問(wèn)題并且它的輸入或者說(shuō)訓(xùn)練數(shù)據(jù)如下所示： (1)SVM的任務(wù)便是找到最優(yōu)的分隔超平面（如圖1和2），在所有分隔數(shù)據(jù)的超平面中，最優(yōu)的意思是最佳的標(biāo)準(zhǔn)分隔超平面（如，OCSH，[7]有詳細(xì)介紹）。那么總體的問(wèn)題便是找到位于兩個(gè)類別（[8]有詳解介紹）間的最大邊緣超平面，因此最大的邊緣在這里可以定義為： (3)它也等價(jià)于下式的最小值： (4)之后學(xué)習(xí)問(wèn)題的規(guī)模便減少到(4)并被下述條件所約束： 　 (5)公式（4）和（5），構(gòu)成了一個(gè)不等條件下的二次型最優(yōu)問(wèn)題，它可以被典型的二次型（如，QP）方法解決。所以在實(shí)際應(yīng)用中，最好允許某些數(shù)據(jù)被誤分類。圖3 線性軟邊緣支持向量機(jī)B、 非線性軟邊緣分類器SVM分類器的主要優(yōu)勢(shì)就是它可以輕易的由一個(gè)線性的方法擴(kuò)展成為一個(gè)非線性的方法。表1 常見(jiàn)內(nèi)核函數(shù)內(nèi)核函數(shù)分類器類型線性，點(diǎn)積，CPD多項(xiàng)式，PD高斯RBF，PD多層感知器，CPDC、 序列最小優(yōu)化算法序列最