隨著中國逐步進入汽車社會，汽車正日益成為人們日常生活中最為重要的交通工具。在給人們帶來便利的同時，汽車也成為犯罪分子作案和逃逸的首選方式，給公安、武警、軍隊偵查、稽查工作帶來很大的困難。
如何在短時間內鎖定目標嫌疑車輛是目前迫切需要解決的問題。目標嫌疑車輛最顯著的特征是車牌號碼，一旦獲得逃逸車輛的車牌號碼，利用不滿城市的卡口系統，就能迅速跟蹤到嫌疑車輛。但是，在實際生活中，由于天氣、光線、時間等客觀原因，目擊者很多時候沒能及時記下逃逸車輛的車牌號碼，在全稱數以百萬計的車輛中查找嫌疑車輛，無異于大海撈針，即便能找到，大多也已錯過了最佳破案時機。雖然很多當事人沒能記下逃逸車輛的車牌號碼，但是大致能知道嫌疑車輛的顏色、品牌，再加上當事時間、地點，結合車型識別技術，就能夠將嫌疑車輛鎖定在一個很小的范圍內，這給跟蹤破案帶來很大的便利。
本文首先對車型識別技術進行介紹，而后著重對基于車輛特征的車型識別關鍵技術進行分析，并通過一個實際案例說明該技術的應用情況，最后對該技術未來的發展方向和趨勢進行展望。
一、車型識別技術
對于車輛類型的識別，通常的做法是，首先檢測并提取汽車的特征，然后根據先驗知識對不同車輛類型所表現出的特征進行分類訓練，最后使用分類器判定車輛的類型。根據提取車輛特征時使用的傳感器的不同，可將車型識別技術分為三類。
（一）基于感應線圈的車型識別
基于感應線圈的車型識別技術需要在檢測區域下鋪設環形感應線圈，使線圈構成穩定的震蕩回路，從而產生磁場。當行駛的車輛經過感應線圈時，會造成線圈內感應電量發生變化，由于車輛長度，重量，形狀等不同，對不同類型的車輛可檢測出不同的波形，通過對波形進行分析進而可以對車輛進行分類，且對車輛的速度較為敏感，當車輛的速度突然改變時，會造成誤判。
（二）基于波頻感應的車型識別
基于波頻感應的車型識別技術通過發射激光、微波、紅外或超聲波等電磁波，獲得車輛對電磁波的反射信號，從而得到車輛的輪廓形狀等特征，進而對車型進行分類。該技術發展的較為成熟，但也僅能進行粗粒度分類，且受外界環境的影響較大，需事先判定車輛的行駛速度才能準確計算車輛的外形。
（三）基于圖像的車型識別
基于圖像的車型識別技術通過對攝像機采集的車輛圖像進行分析獲得車輛的類型信息。與其他方法相比，該技術一方面可以從圖像中獲得更加豐富的車輛信息，另一方面又可以直接利用現有的城市卡口系統提供的圖像數據，建設和使用成本低，因此成為目前車型識別技術研究和應用的熱點，下面將就此展開論述。
二、基于圖像的車型識別
基于圖像的車型識別涉及圖像處理、模式識別、計算機視覺等相關技術領域，目前國內外對于該技術的研究可以分為三個方向。
（一）基于牌照的車型識別
基于牌照的車型識別技術主要是通過車牌識別算法獲得車輛的牌照信息，而后根據牌照類型（如藍牌、黃牌、軍牌等）確定車型，或通過查詢牌照關聯的車輛信息確定車輛類型。該方法僅從圖像中識別出牌照信息，并沒有直接分析獲得車輛的類型。分類粒度粗，且對于套牌車輛更是無法辨別。
（二）基于車標的車型識別
基于車標的車型識別技術通常使用目標模板匹配的方法確定圖像中車標（如寶馬的BMW、奧迪的四個圈等）的位置和類型，從而判斷出車輛的品牌。但在實際應用中，由于車標過小、光線、遮擋等客觀因素的存在，無法達到理想的效果。
（三）基于外觀特征的車型識別
由于基于外觀特征的車型識別技術啟發于人臉識別，并且主要識別車輛的頭部，因此又叫“車臉識別”。該技術相比前兩種方法具有較好的魯棒性，識別的類型也更加的細化，可以精確到車輛的品牌、系列、型號、車款等，因此得到了廣泛的研究與應用。下面將主要針對基于車輛特征的車型識別展開論述。
四、基于車臉特征的車型識別
“車臉”概念的提出，打破了傳統的車型識別模式，把人臉識別的模式引入到車型識別中，在車型識別上實現了突破?；谲嚹樚卣鞯能囆妥R別方法，使車型識別提取的特征由單純的車牌或車標擴展到整個車頭區域。類同人臉的眼、鼻、嘴特征，車輛的車燈、格柵、黑塊等均是車型的特征重要信息。這些特征的引入，不僅大大提升了車型識別的準確率，對干擾、遮擋等問題的適應性也更強，而且車型識別的類別也更加細化，不僅能識別車輛的品牌，而且能識別車輛的系列、型號、年款等詳細類別，如“上海大眾帕薩特2013款”、“一汽大眾捷達2008款”、“奧迪A6L2012款”、“現代伊蘭特2011款”等，使得車型識別的內容更豐富。
基于車臉特征的車型識別技術采用類似于人臉識別的技術架構，首先從圖像中對待識別車輛的車臉區域進行定位，然后從車臉區域圖像中提取出車型特征信息，最后對特征信息進行分類，實現車型識別。
（一）車臉區域定位
車臉識別的首要步驟是確定圖形中車輛頭部的位置，即車臉區域定位。車臉區域定位一般有基于運動區域檢測、基于車輛檢測和基于車牌識別三種方法?；谶\動區域檢測的方法對場景中運動的物體進行檢測，不適用于靜態圖片，且難以區分車輛和其他運動目標；基于車輛檢測的方法通過模式識別尋找車輛區域，但無法精確定位車臉區域；基于車牌識別的方法首先通過車牌識別算法確定車牌的位置、大小等信息，然后根據車臉與車牌大小比例確定車臉區域。一般，車臉區域與車牌區域比例為：以車牌中心為坐標，上下左右分別是車牌寬度的0.7/0.4/1.3和1.3倍。近年來，由于車牌識別算法比較成熟，因此基于車牌識別的車臉區域定位方法得到了廣泛的應用。
（二）車型特征提取
車型特征提取是車型識別的難點和重點，特征提取的質量關系到識別和分類的速度和精度。由于不同車型的車臉紋理結構差別較大，與之相關的頻域特征、邊緣特征和角點特征的提取成為車型特征提取的主要方法。頻域特征是通過對車臉圖像進行傅里葉變換獲得的特征，能較好得反映車臉得全局結構，但當光照、拍攝角度變化時穩定性較差；邊緣特征反映車臉區域水平或者豎直方向變化較大的輪廓信息，可有效表示車臉圖像的突出內容；角點是水平、豎直變化均較大的點，其特征具有不受光照和旋轉影響的特點。此外，研究表明，采用全局特征和局部特征（如車燈、進氣柵等區域的細節特征）相結合的方法，可有效提高車型識別的準確率，并且在車臉被部分遮擋時仍可有效識別。
（三）車型分類
車型分類就是對從車臉區域圖像中提取出的車型特征進行分類，以確定車輛所屬的品牌型號。常見的車型分類方法包括K最近鄰、支持向量機、神經網絡等。其中，K最近鄰分類法的核心思想是，如果一個樣本在特征空間中的K個量相鄰樣本中的大多數屬于某一類別，那么這個樣本也屬于這個類別。該方法在確定分類決策上只依據最鄰近的一個或幾個類別來決定待分樣本所屬的類別。由于K最鄰近方法主要靠周圍有限的鄰近樣本，而不是靠判別類域的方法來確定所屬類別，因此，非常適合于像車型這樣類域交叉重疊較多的樣本集，并且，相較于其他分類方法，該方法操作簡單，計算速度快，準確率較高，容易應用于多類別分類等優點，因而被較多地使用。
目前，基于車臉特征的車型識別技術已經取得了不少研究成果，并已逐步投入使用但在實際應用中仍存在著一些難點和問題，主要表現在：車輛種類繁多，車輛外形更新快，部分車型間前臉差別??；識別準確率受視角變化影響大，對攝像機的位置和角度要求苛刻；受環境光照影響大，夜間車輛輪廓不明顯，陽光下的光照反射也會導致車輛輪廓線變形等。
四、實際案例
2015年1月24日凌晨，邢臺市某電子商城被盜財物價值人民幣約8萬余元，經民警查看監控調取到嫌疑人作案時開的一輛銀色汽車錄像，但因距離較遠，視頻清晰度較差，僅能從外觀識別出是一臺銀色東南菱悅汽車，車牌無法辨認。因作案車輛無法辨認車牌號碼，常規的車輛軌跡查詢和卡口照片數據量巨大將無法一一排查，故通過車型識別、比對功能，對卡口圖片查詢銀色東南菱悅汽車，很快便發現一輛車牌號碼為“冀E*****”的車輛與作案現場汽車特征多出一致，且卡口照片抓拍于案發8分鐘之后，抓拍地點距案發現場6公里，從時間和距離推算也極為吻合。經查詢該車為假牌，再次增加車輛的作案嫌疑，經仔細觀察此車年檢標志為2016年，應該有真是車牌。民警再次通過車輛特征識別、比對（年檢標志、保險標志位置、排序等），對案發前2個月的卡口數據進行對比，僅用1天時間就在卡口圖片中發現一輛“冀E*****”的銀色東南菱悅汽車與作案車輛年檢標志、保險標志、儀表臺擺件等細節特征均一致，經車管信息確認為真牌，民警立即找到該車車主，此案嫌疑人日前均已被抓獲歸案。
車型特征識別、比對技術在案件的偵破中快速鎖定未知車輛，代替了傳統的人工查找模式，從而快速破案，節約了大量的時間個人員投入，大大提高了辦案效率。
五、結束語
本文結合車型識別在安防監控領域的應用，對該技術進行了全面的介紹，并著重對基于車臉特征的車型識別技術進行了深入分析?；谲嚹樚卣鞯能囆妥R別技術，在車型識別領域實現了突破，類別更加細化，內容更加豐富。其除了應用在公安偵查、稽查工作中，還可以應用到各種打擊涉牌違法的工作中，具有廣闊的應用前景和巨大的現實意義。未來，針對車輛的各種識別技術在應用的推動下仍將快速發展，除了識別更加快速準確外，識別的內容會更加豐富，甚至可以做到識別車輛遮光板是否放下，車頭有無破損，駕駛員是否系安全帶等細節信息，在公共安全和安防領域發揮更大作用。
