视频图像处理技术在ITS领域中具有极其广阔的应用，例如交通监视、交通统计、车道线提取、车牌识别等。现在最直接也最令人感兴趣的应用是交通标志牌的检测和识别。

近年来，为解决以交通事故和交通拥堵为主的各类交通问题，世界各国都在智能交通系统的领域中展开了各项研究。智能汽车（Intelligent Vehicle，IV）的车辆控制系统是智能交通系统的重要组成部分，是一个集成了环境感知、规划决策、多等级辅助驾驶等功能的综合系统。它集中地运用了计算机、现代传感、通信、信息融合、自动控制及人工智能等技术，识别本车所处的环境和状态，根据不同传感器捕捉到的信息做出处理和判断，辅助或替代驾驶人控制车辆，是减轻驾驶人负担、提高汽车行驶安全的先进运载工具。安全辅助驾驶（Safety Driving Assist，SDA）技术是车辆控制边缘检测、车道线检测、交通标志牌检测与识别系统的核心，而SDA中最主要的研究内容在于车道线和前方车辆的检测与识别。在智能车的控制系统中，车道线及前方车辆检测的实现程度，直接决定了预警的及时性及测距的准确性。因此，实时地进行车道线及前方车辆的检测与识别，计算出它们到本车的真实距离，使系统在发现危险信号时做出预警，甚至在未来实现民用汽车的全自动驾驶，对于有效防止由偏离车道和追尾碰撞等引发的恶性交通事故具有重大意义。

车道线的检测与跟踪是实现智能车自动驾驶技术的基础，也是其关键技术之一。目前，有些发达国家已成功研究出了一些基于视觉传感器的道路检测与跟踪系统。具有代表性的如ALVINN系统、SCARF系统、RALPH系统、GOLD系统和LO-IS系统。在车道线识别技术上，专家学者们分别基于不同的传感器数据信息进行了研究，其中主要包括激光雷达、立体视觉和单目视觉这三个方面。

道路上的交通标志是一种有很显著的颜色和形状特征的公共标识，对驾驶人起到指示、提示和警示等作用，其中包含了非常丰富的导航信息。在实际驾驶中，准确地识别交通标志对于提高道路驾驶安全性能具有非常重要的意义，而忽视交通标志可能会造成非常严重的事故。对于无人驾驶的汽车，如果不能自动地检测并正确地识别交通标志，就不可能实现真正意义上的自主控制。此外，交通标志的自动识别还可广泛应用于自适应巡航控制，以及其他辅助驾驶中。

交通标志识别的主要困难表现在：

各种不同交通标志出现的频率大不一样，因此各个类别的训练数目可能存在很大差异，这是典型的非平衡分类问题。

各种不同交通标志出现的频率大不一样，因此各个类别的训练数目可能存在很大差异，这是典型的非平衡分类问题。

实际环境下采集到的图像质量可能很差。其原因包括运动模糊、光线干扰、天气条件影响等。

实际环境下采集到的图像质量可能很差。其原因包括运动模糊、光线干扰、天气条件影响等。

由于图像通常在运动平台上获取，拍摄视角可能变化很大，为识别增加困难。

由于图像通常在运动平台上获取，拍摄视角可能变化很大，为识别增加困难。

实际用于识别的图像往往是经检测得到的结果。检测结果通常含有噪声（如不期望的背景部分或者遮挡等），这些噪声对识别非常不利。

然而，现在机器可以学习最新进展应用于交通标志识别。交通标志识别本质上可以归结为多类分类的模式识别问题。目前比较流行的分类方法主要还限于监督式的支持向量机、Adaboost等。近年来，机器学习领域已经涌现出很多解决这类问题的不同方法，如半监督学习、弱监督学习、转移学习、深度网络和稀疏表达等，给解决交通标志牌的检测与识别问题做出了突破性的贡献。

基于视频图像的目标识别技术广泛应用于社会生产、生活的各个方面。在智能交通系统中，图像目标快速识别技术的运用有助于观测交通流量、发现突发事故、监控路面状况、跟踪肇事车辆，提高交通管理的自动化水平和集约程度，缩短系统反应时间；在军事应用领域，图像目标快速识别技术应用于导弹、飞机、舰艇等多种重要军事运动目标的监视、检测和跟踪，图像目标快速识别与跟踪技术更是精确制导武器导引头的关键内容。在安全监控领域，图像目标快速识别技术广泛应用于安防监控系统，在大型公共场所、银行金融机构和机场车站码头等人流密集场所弥补了安全保卫力量的不足，对预防犯罪、阻止犯罪具有明显的作用。

智能视频技术可以在很多地方得到应用。比如：

实际用于识别的图像往往是经检测得到的结果。检测结果通常含有噪声（如不期望的背景部分或者遮挡等），这些噪声对识别非常不利。

然而，现在机器可以学习最新进展应用于交通标志识别。交通标志识别本质上可以归结为多类分类的模式识别问题。目前比较流行的分类方法主要还限于监督式的支持向量机、Adaboost等。近年来，机器学习领域已经涌现出很多解决这类问题的不同方法，如半监督学习、弱监督学习、转移学习、深度网络和稀疏表达等，给解决交通标志牌的检测与识别问题做出了突破性的贡献。(www.daowen.com)

基于视频图像的目标识别技术广泛应用于社会生产、生活的各个方面。在智能交通系统中，图像目标快速识别技术的运用有助于观测交通流量、发现突发事故、监控路面状况、跟踪肇事车辆，提高交通管理的自动化水平和集约程度，缩短系统反应时间；在军事应用领域，图像目标快速识别技术应用于导弹、飞机、舰艇等多种重要军事运动目标的监视、检测和跟踪，图像目标快速识别与跟踪技术更是精确制导武器导引头的关键内容。在安全监控领域，图像目标快速识别技术广泛应用于安防监控系统，在大型公共场所、银行金融机构和机场车站码头等人流密集场所弥补了安全保卫力量的不足，对预防犯罪、阻止犯罪具有明显的作用。

智能视频技术可以在很多地方得到应用。比如：

高级视频移动侦测：在复杂的天气环境中（如雨雪、大雾、大风等）精确地侦测和识别单个物体或多个物体的运动情况，包括运动方向、运动特征等。

高级视频移动侦测：在复杂的天气环境中（如雨雪、大雾、大风等）精确地侦测和识别单个物体或多个物体的运动情况，包括运动方向、运动特征等。

物体追踪：侦测到移动物体之后，根据物体的运动情况，自动发送PTZ控制指令，使摄像机能够自动跟踪物体；在物体超出该摄像机监控范围之后，自动通知物体所在区域的摄像机继续进行追踪。

物体追踪：侦测到移动物体之后，根据物体的运动情况，自动发送PTZ控制指令，使摄像机能够自动跟踪物体；在物体超出该摄像机监控范围之后，自动通知物体所在区域的摄像机继续进行追踪。

人物面部识别：自动识别人物的脸部特征，并通过与数据库档案进行比较来识别或验证人物的身份。此类应用又可以细分为“合作型”和“非合作型”两大类。“合作型”应用需要被监控者在摄像机前停留一段时间，通常与门禁系统配合使用。“非合作型”则可以在人群中识别出特定的个体，此类应用可以在机场、火车站、体育场馆等安防应用场景中发挥很大的作用。

人物面部识别：自动识别人物的脸部特征，并通过与数据库档案进行比较来识别或验证人物的身份。此类应用又可以细分为“合作型”和“非合作型”两大类。“合作型”应用需要被监控者在摄像机前停留一段时间，通常与门禁系统配合使用。“非合作型”则可以在人群中识别出特定的个体，此类应用可以在机场、火车站、体育场馆等安防应用场景中发挥很大的作用。

车辆识别：识别车辆的形状、颜色、车牌号码等特征，并反馈给监控者。此类应用可以用在被盗车辆追踪等场景中。

车辆识别：识别车辆的形状、颜色、车牌号码等特征，并反馈给监控者。此类应用可以用在被盗车辆追踪等场景中。

非法滞留：当一个物体（如箱子、包裹、车辆、人物等）在敏感区域停留的时间过长，或超过了预定义的时间长度就产生警报。典型应用场景包括机场、火车站、地铁站等。

非法滞留：当一个物体（如箱子、包裹、车辆、人物等）在敏感区域停留的时间过长，或超过了预定义的时间长度就产生警报。典型应用场景包括机场、火车站、地铁站等。

交通流量控制：用于在公路上监视交通情况，例如统计通过的车数、平均车速、是否有非法停靠、是否有故障车辆等。

图像目标快速识别技术不仅是智能视频监控系统的基础和核心，在工业制造领域也有着重要的应用。基于图像目标快速识别技术的工业切割、焊接机器人以及核环境下的维修机器人等，正在相关领域发挥着越来越重要的作用。例如：服务于高水平运动员的计算机辅助训练系统，要从序列图像数据中获取人体运动参数，其中的关键技术正是图像目标快速识别与三维运动分析技术。

交通流量控制：用于在公路上监视交通情况，例如统计通过的车数、平均车速、是否有非法停靠、是否有故障车辆等。

图像目标快速识别技术不仅是智能视频监控系统的基础和核心，在工业制造领域也有着重要的应用。基于图像目标快速识别技术的工业切割、焊接机器人以及核环境下的维修机器人等，正在相关领域发挥着越来越重要的作用。例如：服务于高水平运动员的计算机辅助训练系统，要从序列图像数据中获取人体运动参数，其中的关键技术正是图像目标快速识别与三维运动分析技术。