***識(shí)別系統(tǒng)采用高度模塊化的設(shè)計(jì)，將***識(shí)別過程的各個(gè)環(huán)節(jié)各自作為一個(gè)***的模塊。***跟蹤模塊***跟蹤模塊記錄下車輛行駛過程中每一幀中該車***的位置以及外觀、識(shí)別結(jié)果、可信度等各種歷史信息。由于***跟蹤模塊采用了具有一定容錯(cuò)能力的運(yùn)動(dòng)模型和更新模型，使得那些被短時(shí)間遮擋或瞬間模糊的***仍能被正確地跟蹤和預(yù)測，終只輸出一個(gè)識(shí)別結(jié)果。

***識(shí)別系統(tǒng)的關(guān)鍵技術(shù)及算法。邊緣檢測：邊緣檢測的方法是考察圖像的像素在某個(gè)領(lǐng)域內(nèi)灰度的變化情況，標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。圖像的邊緣檢測能夠大幅度地減少數(shù)據(jù)量，并且剔除不相關(guān)的信息，保存圖像重要的結(jié)構(gòu)屬性。在實(shí)際的圖像分割中，往往只用到一階和二階導(dǎo)數(shù)進(jìn)行邊緣檢測，雖然，在原理上，可以用更高階的導(dǎo)數(shù)，但是，因?yàn)樵肼暤挠绊?，在純粹二階導(dǎo)數(shù)操作中就會(huì)出現(xiàn)對(duì)噪聲敏感的現(xiàn)象，三階以上的導(dǎo)數(shù)信息往往失去了應(yīng)用價(jià)值。此外，二階導(dǎo)數(shù)還可以說明灰度突變的類型，在有些情況下，如灰度變化均勻的圖像，只利用一階導(dǎo)數(shù)可能找不到邊界，此時(shí)二階導(dǎo)數(shù)就能提供很有用的信息。為了減少二階導(dǎo)數(shù)對(duì)噪聲敏感，解決的辦法是先對(duì)圖像進(jìn)行平滑濾波，消除部分噪聲，再進(jìn)行邊緣檢測。

***識(shí)別系統(tǒng)的關(guān)鍵技術(shù)及算法。Sobel邊緣檢測算子：Sobel邊緣檢測還有另外一種形式，稱為IsotropicSobel算子，該算子具有各向同性的特征，利用加權(quán)平均算子，權(quán)值反比于鄰點(diǎn)與中心點(diǎn)的距離，當(dāng)沿著不同方向檢測邊緣時(shí)梯度幅度一致，因此它的位置加權(quán)系數(shù)，在檢測不同方向上的邊緣時(shí)梯度的幅度一致，但速度較一般Sobel算子要慢一些。用于邊緣檢測的算子很多，常用的還有Laplacian邊緣檢測算子、Canny邊緣檢測算子等。

***識(shí)別的發(fā)展。在智能化交通管理系統(tǒng)中，汽車身份識(shí)別相當(dāng)于vc++中的“基類”地位，即智能化交通管理系統(tǒng)中的其他子模塊需要在汽車身份識(shí)別的基礎(chǔ)上進(jìn)行繼承和發(fā)展。所以我們認(rèn)為，汽車身份識(shí)別要求較高的集成度，1好能由可以嵌入到其他系統(tǒng)中的、集成度高的模塊來完成，如單片機(jī)、CPLD。而現(xiàn)階段的汽車身份識(shí)別大部分卻是依靠計(jì)算機(jī)來完成的。