【正文】 CPDC、 序列最小優(yōu)化算法序列最小優(yōu)化算法首先被應(yīng)用于克服QP算法在計算和實施上的復(fù)雜度。所以在實際應(yīng)用中，最好允許某些數(shù)據(jù)被誤分類。Ⅱ、二元SVM讓我們來考慮一個二元線性分類問題并且它的輸入或者說訓(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]有詳細介紹）。與基于實際實驗所產(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)計學(xué)習(xí)理論（SLT）[2]和結(jié)構(gòu)風(fēng)險最小化(SRM)[3]。OpenCV 中曾經(jīng)還有一個 CvCam 模塊，但從 版本開始 OpenCV 便不再包含它，其功能被 HighGUI 所取代。 OpenCV介紹OpenCV（Open source Computer Vision library）是 1999 年由 Intel 公司開發(fā)的圖像處理和計算機視覺開放源碼庫，它由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法[6]。VC 2005（VC ）集成了MFC ，于 2005 年發(fā)布， ，該版本引進了對C++/CLI 語言和 Open MP 的支持。VC 集成了MFC ，增加了OLE 和支持 MFC 的 ODBC。第五，在國內(nèi)的車牌識別系統(tǒng)需要解決的一個難題就是在字符識別過程中的對漢字的識別問題。see/car system 系統(tǒng)可以對中國大陸的車牌進行識別，但不能識別車牌中的漢字，另外日本、加拿大、德國、意大利、英國等各個西方發(fā)達國家都有適合本國車牌的識別系統(tǒng)[3]。在這個階段，車牌自動識別技術(shù)的研究還沒有形成完整的系統(tǒng)體系，一般采用簡單的圖像處理方法來解決某些具體問題，并且最終結(jié)果通常需要人工干預(yù)。高速公路的車輛管理體制通過智能管理可以杜絕漏收、少收、人情收費和個別貪污的行為；可以實現(xiàn)特殊車輛的跟蹤、丟失車輛的實時查詢、小區(qū)車輛的科學(xué)管理以及道路車輛流量、型號的自動化統(tǒng)計。車輛牌照識別系統(tǒng)綜合運用了圖像處理、模式識別以及人工智能等方面的理論技術(shù)。交通作為國民經(jīng)濟基礎(chǔ)性產(chǎn)業(yè)，大力推進信息化，對于實現(xiàn)交通新的跨越式發(fā)展具有十分重要的意義。在當(dāng)今城市化高速發(fā)展的時代，隨著社會經(jīng)濟的高速發(fā)展，機動車數(shù)量增長很快，全社會機動車保有量增長速度不低于經(jīng)濟增長速度。即使各地都建立了交通控制中心，大多只是實現(xiàn)了監(jiān)視功能，而遠沒有發(fā)揮控制功能的效應(yīng)。智能交通系統(tǒng)的研究領(lǐng)域廣闊，其中電子收費系統(tǒng)是 ITS 在公路收費領(lǐng)域的具體表現(xiàn)，其應(yīng)用可解決收費站的“瓶頸”制約作用，較好地緩解收費站的交通擁擠、排隊等候以及環(huán)境污染等問題。汽車牌照識別系統(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，自動化水平高等優(yōu)點。車輛自動識別系統(tǒng)是以解決交通擁擠問題和高速公路多發(fā)事故問題而產(chǎn)生的，是近20 年來新興起的一個跨學(xué)科的、系統(tǒng)化的綜合研究體系，其目的是在不擴張路網(wǎng)規(guī)模的前提下，通過綜合運用現(xiàn)代科學(xué)技術(shù)，來提高交通路網(wǎng)的通行能力和交通運輸能力。 使用視覺字符識別技術(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)計最鄰近分類器(Statistical Nearest Neighbor Classifying System)與字符庫中的字符比較，得出一個或幾個車牌候選號碼，再對這些號碼進行核實檢查，確定是否為該車牌號碼，最終確定車牌號碼。其次，采集得到的圖片受天氣、光照等的影響，故在圖像處理過程中需要利用有效的算法排除光照、天氣對圖像的影響，這無疑對我們車牌識別系統(tǒng)的算法提出了更高的要求。這些就是存在于車牌識別系統(tǒng)中的一些問題，從這些問題中，我們也能看到車牌識別系統(tǒng)的難度。由于VC 是在 Windows 95 之前發(fā)布的，其發(fā)布時間與 Windows 95 非常接近，當(dāng)Windows 95 發(fā)布時，VC 也已經(jīng)發(fā)布了，很多程序員直接從 過渡到 ，把 跳過去了，所以 VC 應(yīng)用并不廣泛。OpenCV擁有包括 500 多個C/C++函數(shù)的跨平臺的中、高層API，具有強大的圖像和矩陣運算能力。參考文獻[1] 胡桂珍．基于數(shù)字圖像處理的車牌識別系統(tǒng)研究[D]．成都：西南交通大學(xué)，2010[2] 貢麗霞．車牌識別系統(tǒng)中的車牌定位及傾斜校正技術(shù)研究[D]．太原：中北大學(xué)，2010[3] 劉瑋．基于圖像處理的車牌識別技術(shù)的研究[D]．哈爾濱：哈爾濱理工大學(xué)，2008[4] 李云．車牌定位與字符分割算法的研究及實現(xiàn)[D]．成都：電子科技大學(xué)，2010[5] 沈晶，劉海波，周長建．Visual C++ 數(shù)字圖像處理典型案列詳解[M]．北京：機械工業(yè)出版社，2012，27[6] 湯方義．基于OpenCV 和CUDA 的車牌識別系統(tǒng)的軟件設(shè)計與實現(xiàn)[D]．長春：吉林大學(xué)，2011[7] DaRocha G A，Manoel S J．Character recognition in Car license plates based on principal ponents and neutral processing[J]．Pattern Recongnition，2006，39(2)：2631[8] 侯宏花．?dāng)?shù)字圖像處理與分析[M]．北京：北京理工大學(xué)出版社，2011，74136[9] 劉同焰．車牌識別系統(tǒng)的相關(guān)算法研究與實現(xiàn)[D]．廣州：華南理工大學(xué)，2012[10] 閆青．車牌識別系統(tǒng)中車牌定位算法的研究[D]．濟南：山東大學(xué)，2010[11] K．Deb，Jo KangHyun．HSI color based vehicle license plate detection [C]．International Conference on Contro1，Automation and Systems，2008：687691[12] Heo G，Kim M，Jung I，et al. Extraction of car license plate regions using line grouping and edge density methods[C]．2007 International Symposium on Information Technology Convergence，2007：3742[13] 張金艷．基于神經(jīng)網(wǎng)絡(luò)的車牌識別算法研究[D]．秦皇島：燕山大學(xué)，2010[14] Li Bo，Zeng Zhiyuan，Dong Huali．Automatic License Plate Recognition System[J]．Applied Mechanics and Materials，2010，20：438444[15] Wei W，Wang M，Huang Z．An Automatic Method of Location for Number Plate using Color Features[C]．IEEE International Conference on Image Processing，2001，1：782785[16] 鄒曄．基于紋理分析和梯度特征的車牌定位算法[J]．科技廣場，2009，(5)：1