随着中国逐步进入汽车社会，汽车正日益成为人们日常生活中最为重要的交通工具。在给人们带来便利的同时，汽车也成为犯罪分子作案和逃逸的首选方式，给公安、武警、军队侦查、稽查工作带来很大的困难。
如何在短时间内锁定目标嫌疑车辆是目前迫切需要解决的问题。目标嫌疑车辆最显著的特征是车牌号码，一旦获得逃逸车辆的车牌号码，利用不满城市的卡口系统，就能迅速跟踪到嫌疑车辆。但是，在实际生活中，由于天气、光线、时间等客观原因，目击者很多时候没能及时记下逃逸车辆的车牌号码，在全称数以百万计的车辆中查找嫌疑车辆，无异于大海捞针，即便能找到，大多也已错过了最佳破案时机。虽然很多当事人没能记下逃逸车辆的车牌号码，但是大致能知道嫌疑车辆的颜色、品牌，再加上当事时间、地点，结合车型识别技术，就能够将嫌疑车辆锁定在一个很小的范围内，这给跟踪破案带来很大的便利。
本文首先对车型识别技术进行介绍，而后着重对基于车辆特征的车型识别关键技术进行分析，并通过一个实际案例说明该技术的应用情况，最后对该技术未来的发展方向和趋势进行展望。
一、车型识别技术
对于车辆类型的识别，通常的做法是，首先检测并提取汽车的特征，然后根据先验知识对不同车辆类型所表现出的特征进行分类训练，最后使用分类器判定车辆的类型。根据提取车辆特征时使用的传感器的不同，可将车型识别技术分为三类。
（一）基于感应线圈的车型识别
基于感应线圈的车型识别技术需要在检测区域下铺设环形感应线圈，使线圈构成稳定的震荡回路，从而产生磁场。当行驶的车辆经过感应线圈时，会造成线圈内感应电量发生变化，由于车辆长度，重量，形状等不同，对不同类型的车辆可检测出不同的波形，通过对波形进行分析进而可以对车辆进行分类，且对车辆的速度较为敏感，当车辆的速度突然改变时，会造成误判。
（二）基于波频感应的车型识别
基于波频感应的车型识别技术通过发射激光、微波、红外或超声波等电磁波，获得车辆对电磁波的反射信号，从而得到车辆的轮廓形状等特征，进而对车型进行分类。该技术发展的较为成熟，但也仅能进行粗粒度分类，且受外界环境的影响较大，需事先判定车辆的行驶速度才能准确计算车辆的外形。
（三）基于图像的车型识别
基于图像的车型识别技术通过对摄像机采集的车辆图像进行分析获得车辆的类型信息。与其他方法相比，该技术一方面可以从图像中获得更加丰富的车辆信息，另一方面又可以直接利用现有的城市卡口系统提供的图像数据，建设和使用成本低，因此成为目前车型识别技术研究和应用的热点，下面将就此展开论述。
二、基于图像的车型识别
基于图像的车型识别涉及图像处理、模式识别、计算机视觉等相关技术领域，目前国内外对于该技术的研究可以分为三个方向。
（一）基于牌照的车型识别
基于牌照的车型识别技术主要是通过车牌识别算法获得车辆的牌照信息，而后根据牌照类型（如蓝牌、黄牌、军牌等）确定车型，或通过查询牌照关联的车辆信息确定车辆类型。该方法仅从图像中识别出牌照信息，并没有直接分析获得车辆的类型。分类粒度粗，且对于套牌车辆更是无法辨别。
（二）基于车标的车型识别
基于车标的车型识别技术通常使用目标模板匹配的方法确定图像中车标（如宝马的BMW、奥迪的四个圈等）的位置和类型，从而判断出车辆的品牌。但在实际应用中，由于车标过小、光线、遮挡等客观因素的存在，无法达到理想的效果。
（三）基于外观特征的车型识别
由于基于外观特征的车型识别技术启发于人脸识别，并且主要识别车辆的头部，因此又叫“车脸识别”。该技术相比前两种方法具有较好的鲁棒性，识别的类型也更加的细化，可以精确到车辆的品牌、系列、型号、车款等，因此得到了广泛的研究与应用。下面将主要针对基于车辆特征的车型识别展开论述。
四、基于车脸特征的车型识别
“车脸”概念的提出，打破了传统的车型识别模式，把人脸识别的模式引入到车型识别中，在车型识别上实现了突破。基于车脸特征的车型识别方法，使车型识别提取的特征由单纯的车牌或车标扩展到整个车头区域。类同人脸的眼、鼻、嘴特征，车辆的车灯、格栅、黑块等均是车型的特征重要信息。这些特征的引入，不仅大大提升了车型识别的准确率，对干扰、遮挡等问题的适应性也更强，而且车型识别的类别也更加细化，不仅能识别车辆的品牌，而且能识别车辆的系列、型号、年款等详细类别，如“上海大众帕萨特2013款”、“一汽大众捷达2008款”、“奥迪A6L2012款”、“现代伊兰特2011款”等，使得车型识别的内容更丰富。
基于车脸特征的车型识别技术采用类似于人脸识别的技术架构，首先从图像中对待识别车辆的车脸区域进行定位，然后从车脸区域图像中提取出车型特征信息，最后对特征信息进行分类，实现车型识别。
（一）车脸区域定位
车脸识别的首要步骤是确定图形中车辆头部的位置，即车脸区域定位。车脸区域定位一般有基于运动区域检测、基于车辆检测和基于车牌识别三种方法。基于运动区域检测的方法对场景中运动的物体进行检测，不适用于静态图片，且难以区分车辆和其他运动目标；基于车辆检测的方法通过模式识别寻找车辆区域，但无法精确定位车脸区域；基于车牌识别的方法首先通过车牌识别算法确定车牌的位置、大小等信息，然后根据车脸与车牌大小比例确定车脸区域。一般，车脸区域与车牌区域比例为：以车牌中心为坐标，上下左右分别是车牌宽度的0.7/0.4/1.3和1.3倍。近年来，由于车牌识别算法比较成熟，因此基于车牌识别的车脸区域定位方法得到了广泛的应用。
（二）车型特征提取
车型特征提取是车型识别的难点和重点，特征提取的质量关系到识别和分类的速度和精度。由于不同车型的车脸纹理结构差别较大，与之相关的频域特征、边缘特征和角点特征的提取成为车型特征提取的主要方法。频域特征是通过对车脸图像进行傅里叶变换获得的特征，能较好得反映车脸得全局结构，但当光照、拍摄角度变化时稳定性较差；边缘特征反映车脸区域水平或者竖直方向变化较大的轮廓信息，可有效表示车脸图像的突出内容；角点是水平、竖直变化均较大的点，其特征具有不受光照和旋转影响的特点。此外，研究表明，采用全局特征和局部特征（如车灯、进气栅等区域的细节特征）相结合的方法，可有效提高车型识别的准确率，并且在车脸被部分遮挡时仍可有效识别。
（三）车型分类
车型分类就是对从车脸区域图像中提取出的车型特征进行分类，以确定车辆所属的品牌型号。常见的车型分类方法包括K最近邻、支持向量机、神经网络等。其中，K最近邻分类法的核心思想是，如果一个样本在特征空间中的K个量相邻样本中的大多数属于某一类别，那么这个样本也属于这个类别。该方法在确定分类决策上只依据最邻近的一个或几个类别来决定待分样本所属的类别。由于K最邻近方法主要靠周围有限的邻近样本，而不是靠判别类域的方法来确定所属类别，因此，非常适合于像车型这样类域交叉重叠较多的样本集，并且，相较于其他分类方法，该方法操作简单，计算速度快，准确率较高，容易应用于多类别分类等优点，因而被较多地使用。
目前，基于车脸特征的车型识别技术已经取得了不少研究成果，并已逐步投入使用但在实际应用中仍存在着一些难点和问题，主要表现在：车辆种类繁多，车辆外形更新快，部分车型间前脸差别小；识别准确率受视角变化影响大，对摄像机的位置和角度要求苛刻；受环境光照影响大，夜间车辆轮廓不明显，阳光下的光照反射也会导致车辆轮廓线变形等。
四、实际案例
2015年1月24日凌晨，邢台市某电子商城被盗财物价值人民币约8万余元，经民警查看监控调取到嫌疑人作案时开的一辆银色汽车录像，但因距离较远，视频清晰度较差，仅能从外观识别出是一台银色东南菱悦汽车，车牌无法辨认。因作案车辆无法辨认车牌号码，常规的车辆轨迹查询和卡口照片数据量巨大将无法一一排查，故通过车型识别、比对功能，对卡口图片查询银色东南菱悦汽车，很快便发现一辆车牌号码为“冀E*****”的车辆与作案现场汽车特征多出一致，且卡口照片抓拍于案发8分钟之后，抓拍地点距案发现场6公里，从时间和距离推算也极为吻合。经查询该车为假牌，再次增加车辆的作案嫌疑，经仔细观察此车年检标志为2016年，应该有真是车牌。民警再次通过车辆特征识别、比对（年检标志、保险标志位置、排序等），对案发前2个月的卡口数据进行对比，仅用1天时间就在卡口图片中发现一辆“冀E*****”的银色东南菱悦汽车与作案车辆年检标志、保险标志、仪表台摆件等细节特征均一致，经车管信息确认为真牌，民警立即找到该车车主，此案嫌疑人日前均已被抓获归案。
车型特征识别、比对技术在案件的侦破中快速锁定未知车辆，代替了传统的人工查找模式，从而快速破案，节约了大量的时间个人员投入，大大提高了办案效率。
五、结束语
本文结合车型识别在安防监控领域的应用，对该技术进行了全面的介绍，并着重对基于车脸特征的车型识别技术进行了深入分析。基于车脸特征的车型识别技术，在车型识别领域实现了突破，类别更加细化，内容更加丰富。其除了应用在公安侦查、稽查工作中，还可以应用到各种打击涉牌违法的工作中，具有广阔的应用前景和巨大的现实意义。未来，针对车辆的各种识别技术在应用的推动下仍将快速发展，除了识别更加快速准确外，识别的内容会更加丰富，甚至可以做到识别车辆遮光板是否放下，车头有无破损，驾驶员是否系安全带等细节信息，在公共安全和安防领域发挥更大作用。
