1 研究现状 

车辆检测系统在现代智能交通系统中起到很重要的作用，同时也表明了未来交通系统 的发展方。虽然车辆检测技术有很多，而本文所要阐述的是与计算机图像技术结合的方法, 来实现车辆的检测。 91490

车辆检测技术最先是从上世纪 70 年代开始在海外发展起来的，在发展中取得了很多有 价值的研究成果，并为现代的交通系统的发展奠定了坚实的理论和实践基础。而国内的发 展相对而言起步稍晚，但随着电子技术与计算机技术进入我国并取得较好利用，国内相关 行业对此渐渐重视起来。特别是最近的几年，随着国民经济上的重大突破，使得普通百姓 的生活越过越富裕，大量的私家车出现，导致了交通事故的频繁发生，使得人们必须对这 一领域给予重视。 

在该系统中，最主要的技术点是图像的处理，有关物体识别的图像技术在不断更新这 属于计算机视觉的一部分。在最近几年，有关物体识别的图像技术在不断更新，经过了很 多物体的反复测试，诸如人脸，都会有较高的精度。当然，对不同的物体所选取的识别算 法是不同的物体的特性所决定的。 

2 图像识别技术现状 

研究图像识别技术的目的是对图像中包含的各类对象进行类别分类，提取出重点关注 的目标对象，并做出一系列有意义的判断以满足实际的应用需求。即利用现有各类技术来 模拟人的感官来达到对图像的认识和理解的一系列过程。总的来说，图像识别包含了三个 具体步骤，即图像的分割、特征的提取和训练分类器。每个步骤所涉及到算法很多，不同 的搭配使用能够取得不一样的效果。

2。1 图像分割 

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技 术和过程。其作为图像识别的第一步，最重要的就是能够找到目标物体。分割的准确与否， 直接关系到后面两步的实现。得益于在图像中存在着各种各样的特征信息，如何利用这些 特征，把整个图像中有意义的那部分图像分割出来就是图像分割的工作。

2。2 图像识别常用特征 

为了能够识别出物体，需要对图像中的目标物体进行分析，找出该物体具有的而别的 物体不一定具有的相同特征，通过这些特征就可以描述这一类的物体。在图像处理中，特 征提取是其中很重要的一环，接下来的后续工作都依赖于这部分信息的准确性。就本文来 说，图像中最明显的特征就是颜色特征，然后就是车轮、外形等等。这些特征都要转换为 数字信号才能处理，这里就提一些常用的描述形状[3]的特征算法，例如 Haar 特征和 HOG 特 征。 

 Haar 特征，最早是用于进行人脸描述，并取得了良好的应用效果。Haar 和 HOG 一样 属于边缘特征[4]，对图像中目标物体中具有稳定结构的部分能够很好描述。常用的 Haar 特 征可以分为三类：线性、边缘与点特征。每种特征计算都不复杂，只是选取哪种特征需要 进行考量并进行大量的实验进行测试。常用的是用 Haar 特征和 Adaboost 学习算法结合使 用，究其原因是 Adaboost 算法速度快，即使面对长千上万份的人脸样本数据，也能够快速 提取大量的 Haar 特征并进行快速对象检测。 

而 HOG 特征其本质是统计图像的梯度信息，而梯度主要存在于边缘的地方，所以 HOG 特征能够较好的描述各类物体轮廓形状。使用 HOG 和 SVM 结合的方法除了在车辆检测上取 得了良好的效果，同样适用于行人检测的问题。与 Haar 特征相比，HOG 注重的是边缘，而 不考虑在这个边缘内部的形态特点，所以上述的车辆轮廓内的细节不管如何变化，也不会 对在使用 HOG 特征描述边缘特征时产生不利影响。