资讯
1.车辆检测
在视频或图片中，通过大量车辆的样本，借助机器自学习和训练，不断更新和叠加样本，获得车辆分类器，实现车辆检测，找到车辆的位置。
2.车辆捕获
白天通过背景差分法提取运动目标，夜间通过车灯提取目标，在运动目标感兴趣区域寻找车辆强特征，即车牌特征，最后根据车牌、车灯或车头信息判断捕获并抓拍。
3.车牌识别
通过进行车牌定位、形态矫正、精细定位、字符分割、字符识别等程序，最终实现车牌识别。
4.车标识别
商标识别可以缩小车型识别的范围，将车型识别范围限定在某一种商标的范围内，比如商标识别结果为奥迪，则车型识别在奥迪车中比对。所以商标识别也是车型识别的一部分。可以借助车牌识别结果，得到车牌的位置信息，如图1所示，绿色区域为车标ROI区域，然后在ROI区域内查找纹理最丰富的模块，即为车标的位置。
图1 定位车标位置
图2所示，找到车标位置后，采用深度学习的方式将车标识别出来。
图2 车标识别应用
5.款型识别
当获得车辆的前脸位置、车辆的商标信息后，即可进行车型的识别，将车辆的前脸位置提取出来，从对应的车辆商标车款库中进行比对，找到最相近的车款，即为识别结果(如图3所示)。
图3 款型识别应用
6.车辆特征
输入目标车辆感兴趣区域，通过机器学习计算出每种车辆类型的置信度，输出最高置信度的目标类型结果，即可识别车辆类型和车身颜色。
文章摘自：《中国安防》杂志
作者：李莉 李胜广
