识别技术精选(九篇)

第1篇：识别技术范文

论文关键词：识别,技术

 

1、鸡新城疫：病鸡无精神，呼吸困难，虚弱。内脏型表现为腹泻严重，不食呆立，衰竭；耐过鸡可出现阵发性痉挛、颈扭转、角弓反张和腿麻痹，有的翅麻痹，死亡率可达90%以上。神经型表现为食欲减退，咳嗽，气踹，头颈伸直张口呼吸；出现歪脖、转圈，两翅和两腿麻痹，走路不稳，幼鸡死亡率可达90%以上。

2、鸡马立克氏病：病鸡出现运动障碍，呈一侧性(或两侧性)麻痹，即呈一足伸向前方，另一足伸向后方的特征性劈叉姿势；有的病鸡还有两翅下垂，低头斜颈，步态拘谨等症状。

3、禽传染性脑脊髓炎：雏鸡多发，病雏呆钝，两眼发直，不愿走动，蹲卧；临床上以出现运动失调，不完全麻痹，两翅肌肉轻瘫及头颈部肌肉震颤等为主要症状。

4、鸡病毒性关节炎：病鸡发育不良，跗关节明显肿胀，出现跛行或足庶部屈曲变形；病鸡喜坐在关节上，驱赶时才跳动；患肢不能伸张和负重，严重的患肢向外扭转，步态蹒跚。

5、鸡传染性法氏囊病：病鸡初期自啄肛门周围羽毛，腹泻，排水样稀粪；有的鸡身出现震颤，走路摇晃，步态不稳。后期病鸡饮食减退，两翅下垂，羽毛逆立无光泽；有的头部垂地，闭眼呈昏睡状。

二、细菌性疾病。

1、禽霍乱：病鸡表现为精神萎顿，缩颈闭眼，羽毛松乱，厌食，拱背，头藏于两翅下，不爱走动，离群呆立作瞌睡状。有的出现腿关节肿胀，行走缓慢无力，颈出现扭转或斜颈等症状。

2、鸡伤寒：病鸡精神萎顿，羽毛松乱，喜饮水，腹泻，常呆立闭目，头和两翅下垂；发生慢性腹膜炎的病鸡，呈"企鹅"式站立。

3、鸡结核病：病鸡精神萎顿，体弱，消瘦，不活泼；胸部肌肉明显萎缩，胸骨变形，凸出如刀。病鸡后期羽毛蓬松，贫血，腹泻，两翅下垂；关节和骨髓发生结核的病鸡呈坐立式，出现一足或两足跛行，在紧急情况下，以一足跳行；最后因衰竭而死。

三、维生素缺乏症。

1、维生素A缺乏症:病鸡精神萎顿消瘦、衰弱，羽毛蓬乱，运动失调，步态不稳，两肢无力，往往用尾支地，趾爪蜷缩。

2、维生素B2缺乏症:病鸡衰弱，消瘦，腹泻，不愿走动；趾爪向内蜷缩，呈休息姿势，两翅下垂；两足瘫痪，用趾关节或一足行走，最后完全不能行走。

3、维生素E缺乏症：病鸡出现运动失调、麻痹，雏鸡多发。病雏呆立，闭目或趴卧，叫声微弱；头颈向后仰或向一侧扭转，行动吃力；扑拉两翅，失去平衡呈飞舞样或两腿痉挛性抽搐，趾爪屈曲，不能站立而横卧在地，有的呈角弓反张姿势；有的病雏腿伸直，呈匍匐状。

四、其它疾病。

1、鸡住白细胞虫病：通常以幼鸡发病较严重。病鸡食欲减退或废绝，体温升高，昏睡，贫血，拉绿色稀粪，乏力，常坐地不起；肌肉运动失调，双足软瘫无力，行走困难，最后倒地昏迷而死。

2、肉鸡腹水症：病鸡羽毛蓬松，精神萎顿，呼吸困难，卧地不起，驱赶时呈鸭行走状；其腹部膨大下垂，腹部羽毛脱落，皮肤变薄，触有波动感，常因心力衰竭而死亡。

3、鸡痛风：病鸡食欲不振，消瘦，衰竭，贫血，羽毛蓬乱，腹泻；两肢的趾、腿部和两翅关节肿胀、疼痛，显著变形；站立困难，运动迟缓无力，跛行。

4、鸡肉毒梭菌中毒症：中毒鸡精神萎顿，反应迟钝，眼睑紧闭，不愿活动，常打瞌睡，两翅拖在地上；头颈、翅膀和腿发生麻痹、无力、瘫痪，不能行走；严重的颈部肌肉麻痹，头颈常伸直，软弱无力；病鸡最后昏迷而死。

第2篇：识别技术范文

【关键词】语音识别技术；发展趋势

语音识别是一门交叉学科。语音识别研究经历了50多年的研究历程，经过50多年的积累研究，获得了巨大的进展。特别是近20年来，语音识别技术取得了显着的进步，并逐步的走向市场。在未来的日子里，语音识别技术将应用更为广泛。

一、语音识别技术概述

语音识别是解决机器“听懂”人类语言的一项技术。作为智能计算机研究的主导方向和人机语音通信的关键技术，语音识别技术一直受到各国科学界的广泛关注。如今，随着语音识别技术研究的突破，其对计算机发展和社会生活的重要性日益凸现出来。以语音识别技术开发出的产品应用领域非常广泛，如声控电话交换、信息网络查询、家庭服务、宾馆服务、医疗服务、银行服务、工业控制、语音通信系统等，几乎深入到社会的每个行业和每个方面。

广泛意义上的语音识别按照任务的不同可以分为4个方向：说话人识别、关键词检出、语言辨识和语音识别。说话人识别技术是以话音对说话人进行区别，从而进行身份鉴别和认证的技术。关键词检出技术应用于一些具有特定要求的场合，只关注那些包含特定词的句子，例如对一些特殊人名、地名的电话监听等。语言辨识技术是通过分析处理一个语音片断以判别其所属语言种类的技术，本质上也是语音识别技术的一个方面。语音识别就是通常人们所说的以说话的内容作为识别对象的技术，它是4个方面中最重要和研究最广泛的一个方向，也是本文讨论的主要内容。

二、语音识别的研究历史

语音识别的研究工作始于20世纪50年代，1952年Bell实验室开发的Audry系统是第一个可以识别10个英文数字的语音识别系统。

1959年，Rorgie和Forge采用数字计算机识别英文元音和孤立词，从此开始了计算机语音识别。

60年代，苏联的Matin等提出了语音结束点的端点检测，使语音识别水平明显上升；Vintsyuk提出了动态编程，这一提法在以后的识别中不可或缺。60年代末、70年代初的重要成果是提出了信号线性预测编码（LPC）技术和动态时间规整（DTW）技术，有效地解决了语音信号的特征提取和不等长语音匹配问题；同时提出了矢量量化（VQ）和隐马尔可夫模型（HMM）理论。

80年代语音识别研究进一步走向深入：HMM模型和人工神经网络（ANN）在语音识别中成功应用。1988年，FULEE Kai等用VQ/I-IMM方法实现了997个词汇的非特定人连续语音识别系统SPHINX。这是世界上第1个高性能的非特定人、大词汇量、连续语音识别系统。

进入90年代后，语音识别技术进一步成熟，并开始向市场提品。许多发达国家如美国、日本、韩国以及IBM、Apple、AT&；T、Microsoft等公司都为语音识别系统的实用化开发研究投以巨资。同时汉语语音识别也越来越受到重视。IBM开发的ViaVoice和Microsoft开发的中文识别引擎都具有了相当高的汉语语音识别水平。

进入21世纪，随着消费类电子产品的普及，嵌入式语音处理技术发展迅速[2]。基于语音识别芯片的嵌入式产品也越来越多，如Sensory公司的RSC系列语音识别芯片、Infineon公司的Unispeech和Unilite语音芯片等，这些芯片在嵌入式硬件开发中得到了广泛的应用。在软件上，目前比较成功的语音识别软件有：Nuance、IBM的Viavoice和Microsoft的SAPI以及开源软件HTK，这些软件都是面向非特定人、大词汇量的连续语音识别系统。

三、语音识别技术的发展现状

语音识别技术通过全球科学家的共同努力，经历半个多世纪的研究，目前已经发展到了接近实用的阶段。在实验室环境下，大词汇量的朗读式连续说话的宽带语音信号的平均识别率可以达到90%以上。正式有了如此高的识别率之后，语音识别技术慢慢地从实验室演示系统逐步走向实用化商品。以IBM Via Voice和Dragon Dictation为代表的两个听写机系统的出现，使“语音识别”逐步进入大众视线，引起了广泛的社会关注。

由于校对和更正识别的错误很麻烦和浪费时间，这样便降低语音识别的优势。同时，由于使用的环境或讲话口音习惯等因素的影响，语音识别的内容大大降低，识别的内容不能达到100%的正确，所以很多人认为目前的语音识别系统还无法满足实用要求。

目前，AT&T和MIT等将语音识别技术应用在一些有限词汇的特定任务上，如电话自动转接、电话查询、数字串识别的任务中，当讲话的内容是系统所存储的内容存在的，且使用环境的声学特性与训练数据的声学特性相差不太大时，语音识别的正确识别率可以接近100%。但是，在实际使用中如果这些条件被破坏，则会对识别系统造成一定的影响。

我国的语音识别研究一直紧跟国际水平，国家也很重视。国内中科院的自动化所、声学所以及清华大学等科研机构和高校都在从事语音识别领域的研究和开发。国家863智能计算机专家组为语音识别技术研究专门立项，并取得了高水平的科研成果。我国中科院自动化所研制的非特定人、连续语音听写系统和汉语语音人机对话系统，其准确率和系统响应率均可达90%以上。

四、语音识别技术发展趋势

语音作为当前通信系统中最自然的通信媒介，语音识别技术是非常重要的人机交互技术。随着计算机和语音处理技术的发展，语音识别系统的实用性将进一步提高。应用语音的自动理解和翻译，可消除人类相互交往的语言障碍。国外已有多种基于语音识别产品的应用，如声控拨号电话、语音记事本等，基于特定任务和环境的听写机也已经进入应用阶段。这预示着语音识别技术有着非常广泛的应用领域和市场前景。随着语音技术的进步和通信技术的飞速发展，语音识别技术将为网上会议、商业管理、医药卫生、教育培训等各个领域带来极大的便利，其应用和经济、社会效益前景非常良好.

虽然语音识别在过去的20年里有了很大的发展，但是，仍然存在很多的不足，有待于进一步的探索，具体可分为以下几个方面：

1.提高可靠性。语音识别技术需要能排除各种声学环境因素的影响。在比较嘈杂的公共环境中，人的意识会有意识的排除非需要的声学环境因素，这对语音识别系统而言，是很难做到的。另外，在日常生活中，人类的语言常常具有较大的不确定性，比较随意，并带有明显的言语习惯。这同样会给语音识别系统很大的识别麻烦。目前，在提高语音系统在不同环境中的可靠性，同时要应用现代技术让语音识别系统更加智能化，掌握人们语言随意性的部分规律，以达到最佳的识别效果。

2.增加词汇量。系统可以识别的词汇的数量是系统能够做什么事情的一个重要度量。一个语音识别系统使用的声学模型和语音模型如果太过于局限，当用户所讲的词汇超出系统已知的范围时，则语音识别系统不能准确的识别出相应的内容，比如，当突然从中文转为英文、法文、俄文时，计算机就会常常输出混乱奇怪的结果。但是，随着系统建模方法的不断改进、搜索算法效率的提高以及硬件资源的发展，未来的语音识别系统可能会做到词汇量无限制和多种语言混合，这样用户在使用的时候可以不必在语种之间来回切换，这样就能大大减少词汇量的对语音识别系统的限制。

3.应用拓展。语音识别技术可以用于把费脑、费力、费时的机器操作变成一件很容易很有趣味性的事，比如，当人们出现手忙、手不能及以及分身无术的场景时，通过语音识别系统的模型构造，则能够在象驾驶室、危险的工业场合、远距离信息获取、家电控制等各个方面，语音识别技术可能带动一系列崭新或更便捷功能的设备出现，更加方便人的工作和生活。其应用的范围和前景非常广泛。不仅能够应用于日常生活，更重要的会带来生产方式的革命，是下一代智能化控制的基础。

第3篇：识别技术范文

摘　要：人脸识别技术是当今模式识别和人工智能领域的一个重要研究方向，对于维护国家安全和社会稳定、打击各类犯罪活动具有十分重大的意义。本文介绍了人脸识别技术的概念、发展历史及常用人脸识别方法。并探讨了人脸识别面临的难题，最后对人脸识别未来的发展和应用做一个简要的展望。

关键词：人脸识别；数字图像处理；特征脸

引言：人脸是人类视觉交互中最重要的模式，人脸识别技术(FRT)是模式识别和人工智能领域的一个前沿课题。在新兴的信息安全应用领域，人脸识别技术提供了一种更为安全可靠易用的身份鉴别手段，从而提升整个网络信息系统的安全性能。

1 人脸识别技术概述

人脸识别技术就是通过计算机提取人脸的特征，并根据这些特征进行身份验证的一种技术。人脸与人体的其他生物特征一样与生俱来，它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。同其他生物特征识别技术相比，人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性.科技情报开发与经济，2008，18（21）：155-157.

第4篇：识别技术范文

自2002年进入中国市场以来，康耐视一直致力于促进视觉技术的推广与普及。视觉识别技术相对于条码、RFID而言，在中国市场还是一种新兴的自动识别技术。康耐视中国亚太区负责人Denlzard Patrice先生为读者详细介绍了视觉识别技术的应用模式与市场前景。

记者：视觉识别技术是否已经成熟?在国外的应用情况怎么样?

Denizard Patrice：在国际市场上，视觉产品和ID识别技术从被认知到认可，直到为行业的伙伴企业和同仁所支持，都依赖于其成功的市场应用。全球目前共安装有50多万个康耐视系统，每天能够检验数十亿件产品，帮助各个行业部门的生产商分离缺陷工件，优化生产流程和实施全面的跟踪计划。

以ID读码器为例，它能够在生产过程中实现零部件的完整追踪。

德国Borg Warner公司是一家生产涡轮增压系统的企业，通过配置康耐视DataMan7500、DataMan100 ID读码器以及ln-Sight 5110视觉系统，该公司在生产过程中可以从更多的角度进行质量控制。通过视觉技术自动识别各个零部件上的编码，达到了监控和跟踪整个生产过程的目的。

该公司每年可售出约350万个涡轮增压器。涡轮增压器是一种小型供电器，主要应用于汽车发动机。由于所处的生产环境温度奇高，压力巨大，所以产品相关数据的追踪非常困难。为了更有效保障产品质量并对产品进行有效追踪，2006年初，该公司组成了创新团队，首次启动了数据追踪项目。该项目主要目的是利用组芯编码(所谓组芯，指的是涡轮增压器的初级生产状态，其他所有组件都要与此组芯适配)对产品的各项数据进行追踪。

经过几次测试后，该公司决定使用印有二维矩阵代码的不干胶标签，以快速简便地对产品的各个零部件进行编码。创建的编码之后被准确地分配到当前的组芯中，同时系统规定了相应的工作步骤和检验标准，一旦工作完成，就可以确定组件是否可以通过验证。

接着该公司在每个工作站都安装有一台PC，操作员在此使用DataMan7500对编码进行扫描。最后会依据客户分类，在涡轮增压器的标牌上标记相应的数据矩阵代码。不到一秒的时间，康耐视In-Sight 5110就会测试出数据矩阵代码的代码质量情况。这样，即使不干胶标签在生产过程中被热操作损坏，检测的设置和组装值仍然可以通过数年前生成的数据库与涡轮增压器编号相链接。

从工件组装的第一步到最终的检验，所有重要的产品参数都会被检测、检验，其结果将储存在Borg Warner中心数据库中以备进一步处理。

这不仅可以最大限度地减少生产中的错误，而且如果事后检测出任何缺陷，记录下的数据还可以重新构建生产条件，还原当时的生产现场，以防和汽车生产商之间发生争议，同时还可以将调查次数限制在最小范围内。利用之前流程中收集的数据对生产过程进行验证同样可以防止错误的产生，从而使得数据追踪系统成为一种限制错误产生的先发制人的工具。

实施结果表明，此项目的成功应用为该公司节省了大量的资金。

记者：请介绍一下康耐视的影像条码读码器有哪些特点?与现在常用的识别技术相比，有何优势?

Denizard Patrice：这个问题我想以康耐视的一款新产品为例来说明。DataMan 500是基于图像的条码读码器，具备了激光扫描仪易于使用的便捷性和价格低廉的优势，同时可以实现更高的读取率、更好的在线可视化、更出色的可靠性，非常适用于物流、邮政以及零售分销等领域。

该产品使用了康耐视IDMax高级代码读取软件，可读取激光读码器无法读取的一维条形码，包括损坏的、变形的、模糊的、带划痕的、低高度和低对比度的编码，实现了更高的读取率。其处理图像的速度可达到每秒1000帧，还可以从任意方向读取编码、数据矩阵和QR等二维代码以及同一图像中的多个编码。

与激光识别技术相比，采用视觉识别技术的DataMan 500比激光扫描仪更易于使用且允许用户看到读码器所看到的内容，不仅可以在监视器里实时查看，还可以使用图像存档以便日后查看：而且不带有任何活动部件，比激光扫描仪更可靠。

该产品还提供了多种其他特性，包括自动触发、自动聚焦以及“无读取”反馈。主机支持标准C型安装镜头和各种焦距选择。自动聚焦功能使用了液态镜头技术，该技术可为最高速的应用提供操作范围的最大灵活性。这项经验证的新技术已和康耐视工业读码器相集成，快速可靠且可以较低的耗电量提供较高的光学质量。

此外，该产品的“无读取”反馈和可视化功能使代码读取设置的验证变得非常简单，还可以快速诊断和修复任何读取问题。

记者：从技术上看，决定影像识别读取率高低的核心要素主要有哪些?

Denizard Patrice：在影像识别技术中，决定读取率高低的关键因素主要有解码算法的优劣、光学镜头／照明光源的灵活和高性能以及通信方式的灵活和可靠。

记者：目前康耐视打算针对哪些行业领域进行市场开拓?有哪些具体的策略和计划?

Denizard Patrice：2000年后，在欧美国家技术人员的推动和科技平台迅速发展的带动下，中国自动识别技术行业得到快速提升。2002年，康耐视进入中国，作为国际市场上机器视觉和识别技术的领导者，引领和助推相关行业的技术创新应用。

视觉产品和ID识别技术在电子、汽车、医药、食品、饮料和物流仓储等行业都具有针对性的用武之地。所以这些行业市场是康耐视长久以来一直所关注并着力开拓的。

为拓展这些市场，我们首先应该做到的是产品本身的创新、升级以及优化，这也是用户和市场更愿意看到的。其次，我们正在进行产品应用模式的推广，主要途径包括经销商培训、高端媒体互动等。

记者：康耐视在中国市场开拓上遇到的最主要的阻碍是什么?

Denizard Patrice：目前，中国机器视觉和ID识别市场正处在暴发期的前夜。而这些技术若要被广泛认知和应用，遇到最大的阻碍主要来自于两个方面：

一是欠缺专业技术人员。与国外市场不同的是，中国许多公司的决策层对技术的了解有待加强。所以在新技术和新产品的推广上，需要更多的人力和时间成本去支持。康耐视急需同行业伙伴与我们共同努力，培养更多的专业技术人员。

二是产品针对性还需要更加明确。产品有明显的针对性即意味着自身优势更加突出，随着用户越来越聪明和市场的成熟度越来越高，更能节省用户时间和人力成本的产品是能第一时间赢得用户满意的。所以，如何让用户快速知道产品的特性与优势，是需要继续努力的一项工作。

记者：康耐视对于其产品在物流领域的应用抱有什么目标和期望?

第5篇：识别技术范文

关键词：人脸识别；特征脸；线形判别分析；局部二值模式

中图分类号：TP391

Survey of face recognition technology

He Chun

（Education and Information Technology Center， China West Normal University， Nanchong Sichuan 637002， China）

Abstract： This paper introduces technology of face recognition firstly， and reviews the development process and the basic classification method of face recognition. After that， the paper discusses the current methods of face recognition in detail， therefore proposes the existing problems in the research of recognition faces and future’s research direction.

Key words： face recognition； Eigenface； linear discrimination analysis； LBP

1 人脸识别技术简介

人脸识别，特指利用人脸视觉特征信息的分析比较结果进行身份鉴别的计算机技术[1]。一般人脸识别有广义和狭义之分，广义是指包含人脸图像采集、定位、预处理、身份确认与查找等在内的技术；而狭义仅指身份确认或查找系统。

通俗来讲，人脸识别指运用计算机分析人脸视频或图像之后，提炼可用、有益的识别信息，再对人脸对象的身份构建判断与识别。人脸识别是身份识别研究中最主要的一种方法，重点建立在生物识别技术基础之上，而且其中应用了诸多计算机相关的图形学、人工智能等最新技术手段。

人脸与人体的其他生物特征（指纹、虹膜等）一样与生俱来，其生物特征内在的稳定性和唯一性使其自然成为了身份识别的理想依据。学术界对人脸识别相关问题的研究已然趋近成熟，并形成了为数可观的研究成果，到目前为止，仍然在不断的探索与发展中，尤其在人脸身份识别方面的建树颇多。快速、直接、简捷是人脸识别系统的独有优势，并已广泛运用于刑事侦破、信息安全等方面。在此，本次研究将对人脸识别技术给出全面的解析论述。

1 人脸识别发展历程

早在20世纪50年代，心理学家即已着手对人脸识别展开研究，但是直至60年代，对人脸识别真正意义上的研究才正式开启，具体是从工程应用层面出发，研究得到一种半自动的人脸识别系统，这种系统具备的特点可描述如下：

一是该系统是对局部的识别，对人脸的几何特点识别，进而分析人脸器官特征信息及其之间的关系，优势在于识别手段简易、清晰，劣势在于一旦人脸的视角、表情等发生变动和变化，那么很难准确地得到识别效果；二是这种半自动的人脸图像识别需要较为严苛的约束环境和条件，如果图像存在单一或无背景的情况下，那么就将削弱最终的处理效果。

研究递进到20世纪90年代以后，即已朝着整体和局部相结合的态势演变。学者们认为需要将人脸的形状拓扑结构、局部灰度和全局灰度分布等多项人脸特征信息相结合，才能全面、准确地实现人脸图像识别。1991年，Turk和Pentland [2]、首次提出著名的“特征脸”（Eigenface）方法，利用主成分分析（Principal Component Analysis，PCA）取得了不错的识别效果；Belhumer在其论文中，则将Fisher判别准则成功应用到了人脸分类当中，由此而提出Fisherface方法[3]。

此后，这种应用线性子空间和统计特征的技术就已成为当时大众化流行的识别技术，可概括为利用成分分析、线性判别分析的特征识别手段。后期出现了基于机器学习理论的实用技术，学者们相继探索出遗传算法、支持向量机等方法对人脸进行识别。

2 人脸识别方法分类

研究可知从不同的角度，人脸识别可有不同的分类方法，本次研究根据人脸识别发展阶段的特征，把人脸识别技术分为初始以几何特征为基础、中期以代数特点为依据、后期以机器学习理论为原理三种。下面即对这3类研究给出功能实现概述。

2.1 以几何特征为基础的研究

这种方式是将人脸用一个几何特征矢量予以有效表示，并根据模式识别中层次聚类的思想设计分类器，达到识别目的。识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，本质上是特征矢量之间的匹配，相应分量通常包括人脸指定2点间的欧式距离、曲率、角度等[4]。

该类研究方式优点是简单易懂，但是由于能量函数中加权系数的选择表现出一定的经验性，并未能形成规范统一的特征提取标准；而且图像稳定的特征提取仍有难度，尤其是特征受阻时；另外，对于明显的表达变化或不良的姿势变化，其鲁棒性均呈低弱。

2.2 以代数特点为依据的研究

这种方式往往基于代数特征图像的像素变换投影空间，具有某种数量的基本图像对人脸图像线性编码，典型的理论工作可首推主成分分析方法。

主成分分析方法早期是由Sirovitch和Kirby[5]引入人脸识别领域，并将其用于分析数据，过程中是使用数量少的特点来描述为了降低特征空间维数的样本，而且是基于K-L来展开和实现的。

2.3 以机器学习理论为原理的研究

由2.1节中的研究方式可知，人脸特征是预先定义形成的。本节讨论的方式，则是通过使用统计分析和机器学习技术，从中获取信息。获得的信息存在于确定的分布之中，并通过算法、模型和判别函数，用作人脸图像识别。这种分类器是时下至关重要的一门技术，而且涵盖了SVM、Hidden Markov模型与AdaBoost算法等在内的综合开发系统技术。

3 人脸识别主流方法介绍

3.1 特征脸方法

人脸方法来自主成分分析的人脸识别和描述技术。这种方法主要是把图像区域当作随机变量，运用K-L转变成为正交K-L基，与较大特征值相关的对应基具有与人脸相似的形状，所以也可称做特征脸。使用这种线性组合能够描述、展现近似的人脸图像、人脸识别以及合成。具体表现为把人脸图像映射到人脸子空间之上，同时对人脸图像在特征脸子空间上的方位进行对比。

3.1.1 人脸空间的建立

研究假设人脸图像包含了众多像素点，并且可用N维向量Γ来表示，那么样本库就可用Γi（i=1，...，M）提供应用表达[6] 。人脸空间的基向量由协方差矩阵C的正交特征向量构成，因此称为特征脸。

把特征值由大到小排列：λ1≥λ2≥...≥λr ，其对应的特征向量为μk。在此条件下，不同的人脸图像都能投影到由u1， u2， ...， ur组成的子空间中。结果就是不同的人脸图像将映射为子空间中不同的点，反之亦然。

3.1.2 特征向量的选取

协方差矩阵Ω所生成的非零特征值的k（k远小于M）个特征向量，一般来说k值比较大，但在常规情况下并非需要保留所有有的特征向量。因为投影的计算速度是同子空间向量数有着密切关联，如果能够考虑到时间限度，就能够提取有效信息的特征向量。

3.1.3 预测识别

人脸图像置其投影可得到一组坐标系数，该系数能够表明图像在子空间中的位置，因而可以作为人脸识别的基础。换言之，每一幅人脸图像皆能显示出线性组合的“人脸”，加权系数为K-L变换的扩展系数，也能作为图像的代数特征。所以，提取特征脸信息后，可向对方典型样本进行投影，并将得到的投影特征映射到各研究人脸的特征向量，作为后续识别匹配搜索空间的一个步骤。 图1～图3给出了不同情况下的特征脸图像。

3.2 线性判别分析法

线性判别分析，可简称为LDA，本质是多维模式空间到一维特征空间的映射，使用类的成员信息形成一组特征向量，构建得到的特征空间称为Fisherface。在理论上，这种方式主要是利用类之间的散射矩阵类中的训练样本和基于散射矩阵的最优投影空间。和人脸识别方式比较，该种模式能够抑制不确定图像间的差异信息，并可以进一步提取利于识别的特征，因而具有较好的识别性能。

Lades等人认为人脸图像皆有相似的拓扑结构，提出了关于建立在动态连接结构的弹性图匹配方式基础上的物体识别问题。每节点涵盖40个小波系数，集合称为射流，对小波系数进行原始图像和一组5个频率，8个方向的Gabor小波卷积。所以每一张图像，就像标签被逐一校准，而边缘之间的距离则是通过点来设计校准。因此，针对图中边缘编码后得到的是人脸的几何形状，而图中节点编码后的结果是灰度值的分布。实现过程示意如图4所示。

由图4可知，弹性图匹配的意义在于寻找新的人脸，同时提取一张图像，图像类似于束图，用其可以开展识别工作。当开始识别的时候，计算、测量人脸和目前束图之间的相似性，具有最大相似性的面部实体就指明了测试人脸的身份。

3.3 局部二值模式

局部二值模式（Local Binary Pattern， LBP）是执行纹理描述的最佳方法之一， 并已在于各类应用软件中获得全面功能发挥，同时经由实践证得该模式具备着强大的判别能力、计算效率及不变形单调灰度水平变化等显著优势[7]，因而可将其应用到不同复杂程度的图像分析任务之中。

3.3.1 基本LBP算子

LBP算子最初是界定于3×3邻域，将中心像素设置成阈值，并将灰度值与其建立对比，大于中心像素时就记1，反之记0。这时的8个点就能变换为一种8位没有符号的二进制数，此二进制数再转换为十进制数，也就是窗口的LBP值。LBP可整体反馈出区域的纹理信息。基本的LBP算子如图5所示。

LBP能够用邻域的大小不同，采用圆形面积与双线性插值，邻域半径R和P的像素数能任意选择，用符号（p，r）表示像素区域。常见的LBP算子参见图6。

3.3.2 LBP人脸描述

使用LBP手段描述人脸，具体表现为运用纹理描述符对人脸局部展开详细的绘制处理，然后将其组合成一体。人脸图像就被分割成几个局部区域，从这些不同的区域提取纹理描述符，并共同构成人脸的整体视图。

把脸部区域分成确定的m份R0、R1、R2、…、Rm-1，直方图将依序计算每个区域，M的直方图计算结果整合在一起形成空间，空间增加M×N大小的直方图，其中的n表示一个直方图的大小。空间增强的直方图可以有效地描述3个不同层次的脸部，具体的3个层次分别为：直方图LBP标识包含一个像素级别的信息；地域级是由小的区域上的标志结合构成的；这些区域的直方图连接起来，最终形成完整的人脸。

4 人脸识别技术面临的问题

人脸识别技术存在独有优势和广阔前景，但同时却也面临一定问题，而这些问题是却均是源起于人脸具备的生物特征的某些显性表象。人脸在视觉上的特点可实际剖析如下：

一方面由于个体间差别较小，人脸、人体器官构成也比较类似，虽然对人脸定位是占优势的，而对区别个体却产生干扰；另一方面，人脸的表情变化产生的视觉图像也会导致差异。此外，人脸图像识别时还会受到其他约束条件影响，比如光照、年龄、遮盖物等。因此，解决上面提及的各类问题则既是创新，也是挑战，更是人脸识别技术开展未来研究的后续发展方向。

参考文献：

[1] 吴巾一，周德龙. 人脸识别方法综述[J]. 计算机应用研究， 2009， 26（9）： 3205-3209.

[2] TURK M， PENTLAND A. Eigenfaces for recognition [J]. Journal of cognitive neuroscience， 1991， 3（1）： 71-86.

[3] BELHUMEUR P N， HESPANHA J P， KRIEGMAN D. et al. fisherfaces： Recognition using class specific linear projection [J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on， 1997， 19（7）： 711-720.

[4] BARTLETT M， LADES H， SEJNOWSKI T. Independent component representations for face recognition[C]//Proceeding of the SPIE Symposium on Electronic Imaging： Human Vision and Electronic Imaging . San Jose， CA：IEEE， 1998， 3299：528-539.

[5] KIRBY M， SIROVICH L. Application of the Karhunen-Loeve procedure for the characterization of human faces [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1990， 12（1）：103-108.

第6篇：识别技术范文

首先，据相关媒体报道，目前小区广泛使用的门禁技术有两种，刷卡和指纹识别。作为新生事物的脸部识别系统有何优势？有关专家说，相比起传统的指纹打卡机，这种人脸识别系统可谓好处多多。

其次，因为不用接触打卡机，因此脸部识别系统能够有效避免指纹识别引起的疾病交叉感染风险。据统计，有15%的人指纹很淡，以至于不能识别。还有冬天手指干燥脱皮，或是家庭主妇干家务时不小心割破手指头等等，都影响指纹识别的准确率。而且，刷指纹经常有识别不了的尴尬，需要录入多个手指头备用，刷的时候还要注意方法，费时费力。

再次，由于沾水、沾汗、沾灰都会影响指纹识别器，所以它不能放在室外使用。而“刷脸”系统可以放在室外，只需加一个遮阳棚防止强烈的阳光直射即可。

最后，两者有共同点，也有不同点，应该辨析的看问题。

（来源：文章屋网 ）

第7篇：识别技术范文

Abstract： The license plate recognition technology proposed in this paper adopts different edge detection operators based on difference of image sharpness in the position link， gains the position of candidate area by "corner extraction"， and extracts the Chinese characters through "fuzzy outer contour Chinese character recognition". Experimental results show that the overall positioning rate of the all-weather image is about 97.7%， the character recognition rate is about 95.6%， the recognition rate of entire license plate recognition system is about 93.4%， and the average recognition time is about 0.5s/web， so the recognition rate is greatly improved.

关键词： 车牌识别系统;角点提取;傅里叶描述子

Key words： license plate recognition system;corner extraction;Fourier descriptors

中图分类号：TP391.4 文献标识码：A 文章编号：1006-4311（2015）04-0239-02

0 引言

车牌自动识别系统利用计算机对视频交通图像进行处理、分析和识别，从中提取出车牌信息，是智能交通管理的关键技术。该技术主要包括三个环节：车牌定位、字符分割和字符识别。该方面的研究目前虽然已有较多成果出现，但仍存在着许多值得改进的问题，如现在大多数的车牌识别方法对清晰度高的图像识别率很高，但都不能解决全天候的问题，准确率很低。所以提高全天候条件下车牌识别技术的鲁棒性，是值得深入研究的一个方向。本文以全天候拍摄的视频交通图像为研究对象，进行车牌识别方法研究，通过实验与传统的识别方法进行比较，拟大幅度提升车牌识别的整体准确率与识别速度。

1 车牌定位

车牌定位首先要对车牌图像进行灰度化与边缘提取，本文采用传统的灰度转换公式，如下式：

f（x，y）=0.299×R+0.587×G+0.114×B

其中R、G、B分别表示彩色图像的红色（R）、绿色（G）和蓝色（B）。分量f（x，y）为每个像素的灰度值。

本文采用两种边缘检测算子。在边缘提取前先计算灰度图像的灰度均值，将灰度均值小于经验阈值Q（Q=30）的图像视为不清晰图像，采用提取弱边缘效果较好的Canny算子;其他图像视为清晰图像，采用具有平滑作用的Sobel算子。

为了满足不同清晰度图像的二值化，本文选用自适应动态阈值来对图像进行二值化。首先设定一个较高的初始二值化阈值，并利用传统的二值化公式对图像进行二值化，然后根据二值化后图像中白点数所占比例判定是否降低二值化阈值。本文实验中将比例关系K的值设为0.0025。自适应二值化法对各种清晰度的车牌图像鲁棒性较强，能有效处理雾天、雨天以及夜晚拍摄的清晰度较低的图像。

得出车牌候选区域后，需要求出各候选区域的宽、高和其在图像中的位置，然后根据车牌的几何特征和各候选区域的灰度跳变次数锁定车牌区域。常用的求候选区域位置和大小的方法是用连通区域标记法，但是连通区域标记法需要判断的点很多，操作比较复杂导致花费时间较多，本课题提出一种简单快速的角点提取法，具体步骤如下：

①逐行扫描找出灰度跳变点，并判断其是不是角点，如果是角点，将其标记。②标记出角点后，从下往上逐行扫描，找出第一个角点A后，判断其它角点与角点A的关系。假设像素点B为另一角点，且B和A之间能找到一条通路全为白点（二值化后候选区域全为白点），那么A和B属于同一连通区域，如图1所示。其中，用来判断的通路只需要四条，即A和B两点组成的矩形的两条边路，矩形平行边和其中点连线构成的两条通路。③找出第一个区域的所有角点后，得出所有角点坐标值x、y的最大值和最小值，将第一区域的所有白点置为黑点。返回步骤一，如果搜索不到灰度跳变点，即表明已找出所有候选区的坐标信息。④根据所得的候选区坐标信息，求出自适应二值化后的图像中每个候选区域的灰度跳变次数，然后结合长宽比最终得出车牌区域。

该方法需要判断的点非常少，因此大大缩短了标记时间，在复杂度和实时性方面都要优于传统方法。

得出各个区域的角点后，我们就可以通过角点的位置信息得出各候选区域的位置和大小信息，然后结合每个候选区域的灰度跳变次数就可以锁定车牌区域。

车牌精确定位的工作是去除边框和铆钉，得到一个精确的二值化图像，粗定位后得到的车牌区域图像比较小，适合做一些增强图像质量的处理和几何校正，这既能增加精定位的精度，又能提高后续的字符识别率。本文在这一环节利用灰度跳变次数进行水平切分，然后利用垂直投影法进行垂直切分，由于之前已经进行了几何矫正，所以在水平方向上用灰度跳变次数进行投影切分最为简单，而且非常的精确。图2为本文粗定位和精定位的实验效果图。

2 字符切割

经过车牌定位处理后，得到的是一个精确的二值化图像，为了后续的字符识别，需要将车牌的7个字符分别分割出来，这就是字符切分环节的任务。

由于在定位环节已经完成了几何校正和增强图像质量的处理，所以本文直接采用基于模糊决策的垂直投影法进行字符分割字符。利用各字符间的间隔，做车牌二值化图像像素灰度的垂直投影，根据垂直投影的结果做一些模糊决策，具体步骤如下：

①将精确定位的车牌图像上下左右各增加一行黑色像素。②对白色像素点在水平轴上投影统计，找出投影的波谷段，并标记。③求出相邻波谷段的距离，以及各波谷的宽度，如果前波谷段末和后波谷段前之间的距离小于二分之一倍的平均字符宽度w（可由精定位后图像的高度得出），且两波谷的宽度不能全部大于某一经验值（一般为0.4倍的w），则其为断裂区，或者是汉字，可通过合并消除一个波谷段。④如果前波谷段末和后波谷段前之间的距离大于1.5倍的平均字符宽度w，则为两字符粘连，大于2.5w则为三字符粘连。可以根据情况通过w增加一至三个波谷段，最终找出最合适的八个波谷段。

3 字符识别

对于数字、字母的识别，本文提取了字母和数字的八个特征并建立特征集，它们分别是：①环的个数H1;②字符的下半图与上半图白色像素点个数比例H2;③字符的左半图与右半图白色像素点个数比例H3;④字符图像垂直方向上的平均灰度跳变次数H4;⑤字符下半图水平方向的平均灰度跳变次数H5;⑥字符上半图水平方向的平均灰度跳变次数H6;⑦左半图纵向白点线段特征H7;⑧右半图纵向白点线段特征H8。在字母数字识别过程中，通过计算待识别字符图像的八维特征向量与库集中向量的相似度来进行字符识别。

本文所选的八个特征受字符图像的模糊程度的影响较小，抗干扰能力强，并且能完全区分所有的数字和字母，对于相似字符，如数字“0”和字母“D”，还有数字“8”和字母“B”，在二值化图像质量很差时容易串识，所以本文采用特征点匹配法对这四个字符进行二次识别。

对于汉子识别，首先要提取汉字的模糊轮廓，步骤如下：

①对归一化的汉字二值图像先进行从上至下的列扫描，标记出每列第一次遇到的白点。②再次进行从上至下的列扫描，找出没有标记点的列，为这些列添加虚拟标记点，假设第n列没有标记点，添加的方法是从该列向左右方向同时发散寻找第一个有标记点的列，如果有一个方向没有找到，则该列不用标记，如果两个方向均找到，则比较所找到的两列的标记点的h（行位置），取其中较小的h作为第n列的标记点。该操作的目的是为那些不连通汉字添加虚拟边缘，例如“川”。③判断相邻两列标记白点的位置，如果第n+1列的标记点与第n列的标记点之间的垂直像素个数大于1，则标记该像素。④对汉字图像进行从下至上的列扫描，标记出每列第一次遇到的白点后，然后执行类似第②和③步的操作。⑤对汉字图像进行从左至右的行扫描，标记出每行第一次遇到的白点后，然后执行类似地②和③步的操作。⑥对汉字图像进行从左至右的行扫描，如果该行既有上下列扫描时的标记点，又有行扫描标记点，则去掉行扫描标记点左方向的列扫描标记点。⑦对汉字图像进行从右至左的行扫描，标记出每行第一次遇到的白点后，然后执行依次类似地②、③和⑥步的操作。

图3为“鲁”的模糊轮廓提取效果图和“川”的前两步效果图

在提取完模糊轮廓后，我们会得到一个闭合曲线，在提取傅里叶描述子特征前，需要得到闭合曲线的的坐标，本文采用传统的链码跟踪法，图7为几个汉字图像提取模糊轮廓后跟踪坐标的实验效果图。

4 实验与结论

本课题选取了400幅定点拍摄的全天候视频交通图像进行试验，其中200幅为晴天拍摄得的高清晰度图像，剩余200幅为阴雨天、夜晚或者雾天拍摄的低清晰度图像。汽车车速均小于60km/h。表1为本文对400幅图像的定位结果，表2为本文对392幅定位车牌的识别结果。

实验结果表明，本课题对全天候图像的整体定位率大约为97.7%，字符识别率大约为95.6%，整个车牌识别系统的识别率约为93.4%，误识率为6.6%，平均识别时间约为0.5s/幅。相对传统的车牌识别方法，在定位时间基本没有增加的前提下，大大提高了识别率，证明了本文方法的可行性和有效性。实验同时表明，本文提出的方法识别时间相对较短，鲁棒性强，对于全天候条件下拍摄的车牌图像识别具有应用价值。

参考文献：

[1]Takashi Naito， Toshihiko Tsukada， Keiichi Yamada， et al. Robust license-plate recognition methods for passing vehicles under outside environment， IEEE Transactions on Vehicular Technology， 2000， 49（6）： 2309-2319.

[2]Anagnostopoulos C.， Anagnostopoulos I， Loumos V， Kayafas E， A License Plate-Recognition Algorithm for Intelligent Transportation System Applications， IEEE Transaction on Intelligent Transportation Systems， 2006， 3（7）： 377-392.

[3]章志勇，潘志庚，张明敏，吴海虹.基于多尺度通用傅里叶描述子的灰度图像检索[J].中国图像图形学报，2005，10（5）：611-615.

第8篇：识别技术范文

关键词：车辆管理； RFID技术；指纹识别技术；信息化管理

中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)09-2138-02

随着计算机技术的飞速发展，信息化管理成为企事业单位行之有效的行政管理手段。对于拥有一定数量车辆的企业，车辆管理成为他们日常管理事务中的一项重要工作。然而，公司内部的车队车辆调派信息以及油料管理、维修管理、年检管理等，仍然通过电话、纸张表单等传统的方式实现，效率低下、费用高。而且，很难实时掌握公司车辆的使用情况和杜绝公车私用，倘若员工驾驶公司车辆在外发生交通违章违规或事故，这难以跟踪和追究责任。另外，公司大院内车辆的防盗安全管理也是很重要的管理工作，需要监控跟踪进出公司的所有车辆，包括公司车辆、员工的私人小车以及来访人的车辆。目前已有很多车辆管理系统[1，2]，但无法完全满足公司的车队管理。所以引入先进的管理理念和科学技术，设计一套既能有效实现车辆日常信息的数字化管理又能有效监控车辆进出公司的车辆管理系统，以提高车辆管理水平和工作效率，杜绝公车私用，规范用车。

1 系统总体设计

1.1 系统需求分析和功能描述

本系统的需求包括两部分，一是车辆日常信息管理，二是车辆进出管理。如图1所示。

车辆日常信息管理要求：通过系统能录入和查询车辆信息，驾驶员信息，车辆油料、维修、保养、年审、违章等信息；能在网上用车申请和批示，方便车辆调派；能统计和查询车辆使用的历史记录。

车辆进出管理要求：要求准确记录哪个员工何时开出某辆车和何时还车，其车辆的保管责任由此员工负担；驾驶任何车辆（公司车辆、员工的私人小车以及来访人的车辆）都要在公司大门通过系统的安全验证。

所以系统功能包括车辆日常信息管理功能，车辆进出管理功能两大部分功能组成。

1.2 系统结构

系统由后台应用系统、车辆管理员操作、查询和用车申请操作、出车/回车登记、车辆进出登记等几个部分组成。结构如图2所示。

1) 后台应用系统：包括后台数据库和应用系统服务器，是车辆管理系统的核心，接收和处理前台应用程序的请求、发送反馈信息、存储采集到的数据。

2) 车辆管理员操作：使用前台应用程序界面录入和查询车辆信息，驾驶员信息，车辆油料、维修、保养、年审、违章等信息，网上用车审批和用车调派。管理员采集驾驶员指纹数据和制作代表车辆身份的ID卡，并录入系统。

3) 查询和用车申请：各部门的员工使用前台应用程序查询车辆状态和用车申请。

4) 出车/回车登记：驾驶员出车和回车时，使用前台应用程序和ID卡-指纹采集器进行出车/回车登记，以建立和解除公司车辆和驾驶员的信息绑定。

5) 车辆进出登记：公司车、员工私人车、外来车的进出公司需在公司门口刷ID卡，以记录进出信息。其中，员工开私人车或者外访人开车的进出公司时使用临时卡，员工开公司车辆进出公司时要使用具有唯一代码的车辆ID卡。

2 RFID技术和指纹识别技术及其在本系统的应用

RFID（Radio Frequency Identification，无线射频识别）技术[3]是一种非接触式的自动识别技术，其基本工作原理并不复杂：标签进入磁场后，接收解读器发出的射频信号，凭借感应电流所获得的能量发送出存储在芯片中的信息，或者主动发送某一频率的信号；解读器读取信息并解码后，送至中央信息系统进行有关的数据处理。最基本的RFID系统由三个部分组成：一是标签，二是阅读器，三是天线。从工作频率不同，RFID系统可分为低频系统（30-300KHz）、高频系统（3-30MHz）、超高频系统（300MHz-3GHz）和微波系统（2.4GHz以上）。依据实际需求，本系统选取低频系统。在公司大门部署读取ID卡（125KHz）的阅读器，当驾驶员开车进出公司时读取代表车辆身份的ID卡。另外在公司大楼里部署一台或多台ID卡阅读器，用于出车和回车登记。

指纹识别技术[4]是利用人体指纹特征进行身份认证的技术，属于生物识别技术的一种。其基本原理是通过取像设备获取指纹图像，然后用计算机识别软件分析指纹的局部特征和全局特征，从中抽取特征值进行特征匹配，最终实现指纹识别。本系统应用指纹识别技术来识别开公司车辆的驾驶员身份。在出车登记时，驾驶员需要通过指纹识别验证身份，这样做是为了避免被盗用别人身份开公司车辆进出。

3 系统工作原理

本系统两大功能模块可单独运行使用，其中车辆日常信息管理部分用于实现录入和查询车辆信息，驾驶员信息，车辆油料、维修、保养、年审、违章等信息，网上用车审批和用车调派等；车辆进出管理部分用于验证车辆身份和监控车辆进出。然而，系统重点要解决的是如何确定谁驾驶公司某辆车进出公司以及其准确使用时间。

本系统使用具有唯一编号的ID卡代表车辆身份，使用人体指纹代表驾驶员身份。当公司的部门或班组要使用公司车辆时，先在系统中查询车辆状态并申请使用未被分派的车辆，等审批后去领汽车钥匙和车辆ID卡。在出车前，要在系统中做出车登记，即在系统中选中出车登记功能并使用ID卡-指纹采集器刷车辆ID卡和扫描驾驶员指纹，系统验证通过后建立驾驶员和车辆信息的绑定和生成一条出车登记记录。这样，该驾驶员驾驶车辆进出公司经过门口时在ID卡阅读器上刷车辆ID卡，系统就自动获取该车辆信息以及驾驶员信息，并记录进出时间。如果该驾驶员办完事需要交还车辆时，需要在系统作回车登记，这样可以解除驾驶员与车辆的绑定，车辆变成待分派状态。这样系统可以准确记录哪个员工何时驾驶某辆车进出公司，便于跟踪车辆使用情况。

在系统里详细地记录车辆的申请使用、批复调派、出车信息、回车信息、进出信息等等，能让管理员实时地掌握车辆的动态、保障车辆的防盗安全、跟踪和追究责任以及杜绝公车私用。

4 总结

本车辆管理系统既能实现车辆调派、用车申请油料管理、车辆和驾驶员年审台帐等业务的数字化管理又能有效监控车辆进出公司。通过引入RFID技术和指纹识别技术，能准确记录公司车辆使用情况，让管理很容易跟踪查询某辆车被某位员工何时驾驶进出公司，这样既能自动记录，无需人工手续，提高了管理的工作效率，又能保障车辆的防盗安全和杜绝公车私用，规范用车。

参考文献：

[1] 徐彤,杜文龙.RFID技术在车辆出入安全管理系统的应用[J].科技信息,2010.

[2] 赵隆军.基于JSP、javaBean的公司车辆管理系统的设计和实现[J].胜利油田职工大学学报,2009.

第9篇：识别技术范文

【关键词】条形码识别;RFID射频识别;图像识别;生物特征识别

一、前言

自动识别技术是集传感器、通信、计算机技术为一体的一门综合性科学技术，包括数据编码、采集、标识、管理、传输等多个环节，是获取信息的有效手段，作为管理决策和自动化控制的数据来源。代替原来的人工手动输入，提高信息输入的实时性与准确性，达到减员提效的目标。目前矿山物联网技术的发展还处于初级阶段，自动识别技术在很多环节还处于空白和相对薄弱的环节。

自动识别技术包括条形码识别技术、RFID射频识别技术、IC卡识别技术、磁卡识别技术、图像识别技术、生物特征识别技术等做种识别技术等多种方法与手段。总体可以分为两类：数据采集技术和特征提取技术，根据不同需求、现场的实际应用环境采用不同的识别技术。

二、条码识别技术在煤矿仓储管理中的应用

条码是一种经济、实用的识别技术，条码可以分为一维条码和二位条码，二位条码可以包含更多的信息。

一维条码是由“条”和“空”构成的二进制0和1，它们的组合来表示对应的数字和字符，表示相关信息，字符结构如下所示：

空白区 起始字符 数据字符 校验字符 终止字符 空白区

二维码通过水平和垂直两个方向表示信息，通常分为行排式和矩阵式两类，信息容量大，比普通条码信息容量约高几十倍，容错能力强，具有纠错功能。编码范围广，译码可靠性高，保密性、防伪性好。

随着企业信息化技术的发展，很多矿山企业都建立了自己的物资信息化管理系统，由于煤矿企业物资种类繁多，如果物资的领用记录都依赖于手工登记，管理人员每月盘点库存时都需要花费很长时间，费时费力，人为因素还容易导致库存信息的不准确，使用物资条形码管理系统，通过条形码扫描，物资名称、规格型号、数量及价格等的信息会立即显示在电脑上，简化了工作流程，提高了物资核算速度和物资信息的准确性。

三、射频识别技术在煤矿人员与车辆定位管理中的应用

射频识别RFID技术是一种非接触式的自动识别技术，它通过射频标签和射频读卡器之间的双向通讯，实现数据交换。射频识别可实现非接触识读，识别距离从十几厘米到几十米，实现高速运动的物体，有防水、防磁、耐高温的特点，具有一定的穿透性，能够同时识别多个标签。而且存储量更大，能重复使用。可以分为有源卡和无源卡，应用的频段一般低频135KHz、高频13.56-27.12MHz超高频850-960MHz、微波2.4GHz和5.8GHz。

目前煤炭企业安装的人员、车辆、设备定位系统，由识别卡、读卡器、通讯网络、上位机与相关软件组成，可连接到煤矿的信息化系统平台，实现分类管理。提供了准确的信息，及时了解井下人员、车辆、设备的当前位置、运行轨迹，可以根据车辆的位置、种类，实现车辆的及时调度排程，提高办事效率。当出现险情和矿难时，为救援方案提供基础信息，缩短救援时间，保障矿井安全。

图1 RFID系统结构图

四、图像识别技术在煤矿矸石分选和设备故障诊断中的应用

图像识别技术是利用信息处理和计算机技术，采用数学方法，对图像进行处理、分析和理解的技术。在数字视频监控中，需要对图像进行识别，先对视频流进行实时图像截取，再进行图像预处理、图像特征提取和信息判决等图像识别工作。分析过程如下所示：

随着信息理论与机器视觉理论的发展，图像识别技术近年来已经成为故障诊断的热点技术之一，基于图像的故障诊断技术得到了快速的发展，图像识别技术应用于故障诊断可以将人从枯燥烦杂的图形判读活动中解放出来。图像信息是一类重要的故障信息形式，用图像传感器采集设备故障状态的数字图像，经过图像处理、特征提取、模板匹配等完成故障诊断。实现对皮带撕裂、跑偏、轴承磨损、设备倾斜的各种故障诊断与报警。

随着煤矿自动化水平的不断提高，生产中危、重、繁、杂的体力劳动将逐渐被智能机器人作业所取代，在煤矿生产中，矸石分选是从煤块中将矸石挑选出来，目前大块矸石的分选大多采用手工作业，通过图像识别技术对煤块和矸石进行识别，再用机电结合的控制技术，达到煤矸自动分选的目的。

五、生命特征识别技术在煤矿生产安全的应用

生命特征识别技术主要是指通过人类生物特征进行身份识别和认证的一种技术，具有普遍性、唯一性、可测量性、稳定性与不可复制。是一种方便安全的识别技术，包括指纹识别、虹膜识别、语音识别、人脸识别、掌纹识别等技术。通过计算机与各种传感器和生物统计学原理等高科技手段密切结合，用人体固有的生理特性，进行身份鉴定。其原理如下：

煤矿人员识别考勤系统，大多是采用生命特征识别技术，由识别考勤机、识别软件、人员考勤系统软件和附加设备组成。通过采集相关信息，实现指纹、虹膜、人脸等特征注册、验证，人员基本信息录入后，通过特征识别，记录井下人员进出矿井及各处门禁进出人员信息。监督管理瓦检员，巡检员，安检员、绞车工、电工等重要人员的到岗作业，特征的唯一性，从根本上解决了代人打卡的问题，保证公司考勤制度的公平性。

在煤矿连锁放炮监控系统中也广泛采用生命特征识别技术，实现放炮安全管理，综合采用了虹膜识别、语音识别等多项特征与其他识别技术组合使用，多项技术的有效集成，多个条件同时满足的情况下才能执行放炮操作指令，保证了作业安全。

六、自动识别技术在矿山物联网的的发展展望

自动识别技术发展很快，随着对自动识别技术的研究深入，应用范围不断扩大，渗透到矿山物联网的各个环节，出现了许多新型的产品，向多功能、便携式、本安型的低功耗网络化发展。与wifi，蓝牙、zigbee等无线局域网的数据通信技术的紧密结合，来引领自动识别技术在矿山物联网未来发展的潮流。

参考文献

[1]程曦.RFID应用指南[M].电子工业出版社，2011.

[2]刘平，付丽华，李志，冯暖.自动识别技术基础[M].清华大学出版社，2013.