識(shí)別技術(shù)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的識(shí)別技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：識(shí)別技術(shù)范文

摘要：本文簡(jiǎn)要介紹了語(yǔ)音識(shí)別技術(shù)理論基礎(chǔ)及分類方式，所采用的關(guān)鍵技術(shù)以及所面臨的困難與挑戰(zhàn)，最后討論了語(yǔ)音識(shí)別技術(shù)的發(fā)展前景和應(yīng)用。

關(guān)鍵詞：語(yǔ)音識(shí)別；特征提??；模式匹配；模型訓(xùn)練

Abstract:This text briefly introduces the theoretical basis of the speech-identification technology，its mode of classification，the adopted key technique and the difficulties and challenges it have to face.Then，the developing prospect ion and application of the speech-identification technology are discussed in the last part.

Keywords:Speech identification;Character Pick-up;Mode matching;Model training

一、語(yǔ)音識(shí)別技術(shù)的理論基礎(chǔ)

語(yǔ)音識(shí)別技術(shù)：是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高級(jí)技術(shù)。語(yǔ)音識(shí)別以語(yǔ)音為研究對(duì)象，它是語(yǔ)音信號(hào)處理的一個(gè)重要研究方向，是模式識(shí)別的一個(gè)分支，涉及到生理學(xué)、心理學(xué)、語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué)以及信號(hào)處理等諸多領(lǐng)域，甚至還涉及到人的體態(tài)語(yǔ)言（如人在說(shuō)話時(shí)的表情、手勢(shì)等行為動(dòng)作可幫助對(duì)方理解），其最終目標(biāo)是實(shí)現(xiàn)人與機(jī)器進(jìn)行自然語(yǔ)言通信。

不同的語(yǔ)音識(shí)別系統(tǒng)，雖然具體實(shí)現(xiàn)細(xì)節(jié)有所不同，但所采用的基本技術(shù)相似，一個(gè)典型語(yǔ)音識(shí)別系統(tǒng)主要包括特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)三個(gè)方面。此外，還涉及到語(yǔ)音識(shí)別單元的選取。

（一） 語(yǔ)音識(shí)別單元的選取

選擇識(shí)別單元是語(yǔ)音識(shí)別研究的第一步。語(yǔ)音識(shí)別單元有單詞（句）、音節(jié)和音素三種，具體選擇哪一種，由具體的研究任務(wù)決定。

單詞（句）單元廣泛應(yīng)用于中小詞匯語(yǔ)音識(shí)別系統(tǒng)，但不適合大詞匯系統(tǒng)，原因在于模型庫(kù)太龐大，訓(xùn)練模型任務(wù)繁重，模型匹配算法復(fù)雜，難以滿足實(shí)時(shí)性要求。

音節(jié)單元多見于漢語(yǔ)語(yǔ)音識(shí)別，主要因?yàn)闈h語(yǔ)是單音節(jié)結(jié)構(gòu)的語(yǔ)言，而英語(yǔ)是多音節(jié)，并且漢語(yǔ)雖然有大約1300個(gè)音節(jié)，但若不考慮聲調(diào)，約有408個(gè)無(wú)調(diào)音節(jié)，數(shù)量相對(duì)較少。因此，對(duì)于中、大詞匯量漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)來(lái)說(shuō)，以音節(jié)為識(shí)別單元基本是可行的。

音素單元以前多見于英語(yǔ)語(yǔ)音識(shí)別的研究中，但目前中、大詞匯量漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)也在越來(lái)越多地采用。原因在于漢語(yǔ)音節(jié)僅由聲母（包括零聲母有22個(gè)）和韻母（共有28個(gè)）構(gòu)成，且聲韻母聲學(xué)特性相差很大。實(shí)際應(yīng)用中常把聲母依后續(xù)韻母的不同而構(gòu)成細(xì)化聲母，這樣雖然增加了模型數(shù)目，但提高了易混淆音節(jié)的區(qū)分能力。由于協(xié)同發(fā)音的影響，音素單元不穩(wěn)定，所以如何獲得穩(wěn)定的音素單元，還有待研究。

（二） 特征參數(shù)提取技術(shù)

語(yǔ)音信號(hào)中含有豐富的信息，但如何從中提取出對(duì)語(yǔ)音識(shí)別有用的信息呢？特征提取就是完成這項(xiàng)工作，它對(duì)語(yǔ)音信號(hào)進(jìn)行分析處理，去除對(duì)語(yǔ)音識(shí)別無(wú)關(guān)緊要的冗余信息，獲得影響語(yǔ)音識(shí)別的重要信息。對(duì)于非特定人語(yǔ)音識(shí)別來(lái)講，希望特征參數(shù)盡可能多的反映語(yǔ)義信息，盡量減少說(shuō)話人的個(gè)人信息（對(duì)特定人語(yǔ)音識(shí)別來(lái)講，則相反）。從信息論角度講，這是信息壓縮的過(guò)程。

線性預(yù)測(cè)（LP）分析技術(shù)是目前應(yīng)用廣泛的特征參數(shù)提取技術(shù)，許多成功的應(yīng)用系統(tǒng)都采用基于LP技術(shù)提取的倒譜參數(shù)。但線性預(yù)測(cè)模型是純數(shù)學(xué)模型，沒(méi)有考慮人類聽覺(jué)系統(tǒng)對(duì)語(yǔ)音的處理特點(diǎn)。

Mel參數(shù)和基于感知線性預(yù)測(cè)（PLP）分析提取的感知線性預(yù)測(cè)倒譜，在一定程度上模擬了人耳對(duì)語(yǔ)音的處理特點(diǎn)，應(yīng)用了人耳聽覺(jué)感知方面的一些研究成果。實(shí)驗(yàn)證明，采用這種技術(shù)，語(yǔ)音識(shí)別系統(tǒng)的性能有一定提高。

也有研究者嘗試把小波分析技術(shù)應(yīng)用于特征提取，但目前性能難以與上述技術(shù)相比，有待進(jìn)一步研究。

（三）模式匹配及模型訓(xùn)練技術(shù)

模型訓(xùn)練是指按照一定的準(zhǔn)則，從大量已知模式中獲取表征該模式本質(zhì)特征的模型參數(shù)，而模式匹配則是根據(jù)一定準(zhǔn)則，使未知模式與模型庫(kù)中的某一個(gè)模型獲得最佳匹配。

語(yǔ)音識(shí)別所應(yīng)用的模式匹配和模型訓(xùn)練技術(shù)主要有動(dòng)態(tài)時(shí)間歸正技術(shù)（DTW）、隱馬爾可夫模型（HMM）和人工神經(jīng)元網(wǎng)絡(luò)（ANN）。

DTW是較早的一種模式匹配和模型訓(xùn)練技術(shù)，它應(yīng)用動(dòng)態(tài)規(guī)劃方法成功解決了語(yǔ)音信號(hào)特征參數(shù)序列比較時(shí)時(shí)長(zhǎng)不等的難題，在孤立詞語(yǔ)音識(shí)別中獲得了良好性能。但因其不適合連續(xù)語(yǔ)音大詞匯量語(yǔ)音識(shí)別系統(tǒng)，目前已被HMM模型和ANN替代。

HMM模型是語(yǔ)音信號(hào)時(shí)變特征的有參表示法。它由相互關(guān)聯(lián)的兩個(gè)隨機(jī)過(guò)程共同描述信號(hào)的統(tǒng)計(jì)特性，其中一個(gè)是隱蔽的（不可觀測(cè)的）具有有限狀態(tài)的Markor鏈，另一個(gè)是與Markor鏈的每一狀態(tài)相關(guān)聯(lián)的觀察矢量的隨機(jī)過(guò)程（可觀測(cè)的）。隱蔽Markor鏈的特征要靠可觀測(cè)到的信號(hào)特征揭示。這樣，語(yǔ)音等時(shí)變信號(hào)某一段的特征就由對(duì)應(yīng)狀態(tài)觀察符號(hào)的隨機(jī)過(guò)程描述，而信號(hào)隨時(shí)間的變化由隱蔽Markor鏈的轉(zhuǎn)移概率描述。模型參數(shù)包括HMM拓?fù)浣Y(jié)構(gòu)、狀態(tài)轉(zhuǎn)移概率及描述觀察符號(hào)統(tǒng)計(jì)特性的一組隨機(jī)函數(shù)。按照隨機(jī)函數(shù)的特點(diǎn)，HMM模型可分為離散隱馬爾可夫模型（采用離散概率密度函數(shù)，簡(jiǎn)稱DHMM）和連續(xù)隱馬爾可夫模型（采用連續(xù)概率密度函數(shù)，簡(jiǎn)稱CHMM）以及半連續(xù)隱馬爾可夫模型（SCHMM，集DHMM和CHMM特點(diǎn)）。一般來(lái)講，在訓(xùn)練數(shù)據(jù)足夠的，CHMM優(yōu)于DHMM和SCHMM。HMM模型的訓(xùn)練和識(shí)別都已研究出有效的算法，并不斷被完善，以增強(qiáng)HMM模型的魯棒性。

人工神經(jīng)元網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用是現(xiàn)在研究的又一熱點(diǎn)。ANN本質(zhì)上是一個(gè)自適應(yīng)非線性動(dòng)力學(xué)系統(tǒng)，模擬了人類神經(jīng)元活動(dòng)的原理，具有自學(xué)、聯(lián)想、對(duì)比、推理和概括能力。這些能力是HMM模型不具備的，但ANN又不個(gè)有HMM模型的動(dòng)態(tài)時(shí)間歸正性能。因此，現(xiàn)在已有人研究如何把二者的優(yōu)點(diǎn)有機(jī)結(jié)合起來(lái)，從而提高整個(gè)模型的魯棒性。 二、語(yǔ)音識(shí)別的困難與對(duì)策

目前，語(yǔ)音識(shí)別方面的困難主要表現(xiàn)在：

（一）語(yǔ)音識(shí)別系統(tǒng)的適應(yīng)性差，主要體現(xiàn)在對(duì)環(huán)境依賴性強(qiáng)，即在某種環(huán)境下采集到的語(yǔ)音訓(xùn)練系統(tǒng)只能在這種環(huán)境下應(yīng)用，否則系統(tǒng)性能將急劇下降；另外一個(gè)問(wèn)題是對(duì)用戶的錯(cuò)誤輸入不能正確響應(yīng)，使用不方便。

（二）高噪聲環(huán)境下語(yǔ)音識(shí)別進(jìn)展困難，因?yàn)榇藭r(shí)人的發(fā)音變化很大，像聲音變高，語(yǔ)速變慢，音調(diào)及共振峰變化等等，這就是所謂Lombard效應(yīng)，必須尋找新的信號(hào)分析處理方法。

（三）語(yǔ)言學(xué)、生理學(xué)、心理學(xué)方面的研究成果已有不少，但如何把這些知識(shí)量化、建模并用于語(yǔ)音識(shí)別，還需研究。而語(yǔ)言模型、語(yǔ)法及詞法模型在中、大詞匯量連續(xù)語(yǔ)音識(shí)別中是非常重要的。

（四）我們對(duì)人類的聽覺(jué)理解、知識(shí)積累和學(xué)習(xí)機(jī)制以及大腦神經(jīng)系統(tǒng)的控制機(jī)理等分面的認(rèn)識(shí)還很不清楚；其次，把這方面的現(xiàn)有成果用于語(yǔ)音識(shí)別，還有一個(gè)艱難的過(guò)程。

（五）語(yǔ)音識(shí)別系統(tǒng)從實(shí)驗(yàn)室演示系統(tǒng)到商品的轉(zhuǎn)化過(guò)程中還有許多具體問(wèn)題需要解決，識(shí)別速度、拒識(shí)問(wèn)題以及關(guān)鍵詞（句）檢測(cè)技術(shù)等等技術(shù)細(xì)節(jié)要解決。

三、語(yǔ)音識(shí)別技術(shù)的前景和應(yīng)用

語(yǔ)音識(shí)別技術(shù)發(fā)展到今天，特別是中小詞匯量非特定人語(yǔ)音識(shí)別系統(tǒng)識(shí)別精度已經(jīng)大于98%，對(duì)特定人語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度就更高。這些技術(shù)已經(jīng)能夠滿足通常應(yīng)用的要求。由于大規(guī)模集成電路技術(shù)的發(fā)展，這些復(fù)雜的語(yǔ)音識(shí)別系統(tǒng)也已經(jīng)完全可以制成專用芯片，大量生產(chǎn)。在西方經(jīng)濟(jì)發(fā)達(dá)國(guó)家，大量的語(yǔ)音識(shí)別產(chǎn)品已經(jīng)進(jìn)入市場(chǎng)和服務(wù)領(lǐng)域。一些用戶交機(jī)、電話機(jī)、手機(jī)已經(jīng)包含了語(yǔ)音識(shí)別撥號(hào)功能，還有語(yǔ)音記事本、語(yǔ)音智能玩具等產(chǎn)品也包括語(yǔ)音識(shí)別與語(yǔ)音合成功能。人們可以通過(guò)電話網(wǎng)絡(luò)用語(yǔ)音識(shí)別口語(yǔ)對(duì)話系統(tǒng)查詢有關(guān)的機(jī)票、旅游、銀行信息，并且取得很好的結(jié)果。

語(yǔ)音識(shí)別是一門交叉學(xué)科，語(yǔ)音識(shí)別正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，語(yǔ)音識(shí)別技術(shù)與語(yǔ)音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤，通過(guò)語(yǔ)音命令進(jìn)行操作。語(yǔ)音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。

參考文獻(xiàn)

[1]科大訊飛語(yǔ)音識(shí)別技術(shù)專欄. 語(yǔ)音識(shí)別產(chǎn)業(yè)的新發(fā)展.企業(yè)專欄.通訊世界，2007.2:(總l12期)

[2]任天平，門茂深.語(yǔ)音識(shí)別技術(shù)應(yīng)用的進(jìn)展.科技廣場(chǎng).河南科技，2005.2:19-20

[3]俞鐵城.科大訊飛語(yǔ)音識(shí)別技術(shù)專欄.語(yǔ)音識(shí)別的發(fā)展現(xiàn)狀.企業(yè)專欄.通訊世界，2006.2 (總122期)

[4]陳尚勤等.近代語(yǔ)音識(shí)別.西安:電子科技大學(xué)出版社，1991

第2篇：識(shí)別技術(shù)范文

【關(guān)鍵詞】自動(dòng)識(shí)別技術(shù) 射頻識(shí)別技術(shù) 優(yōu)缺點(diǎn) 應(yīng)用

前言：自動(dòng)識(shí)別技術(shù)是一門集多學(xué)科于一體的高新技術(shù)學(xué)科，近幾年在全球飛速發(fā)展。目前，條形碼的應(yīng)用已普及，射頻識(shí)別技術(shù)和生物識(shí)別等技術(shù)在中國(guó)也發(fā)展迅速，國(guó)家已把“大力發(fā)展RFID”列入“十一五”計(jì)劃綱要。自動(dòng)識(shí)別使數(shù)據(jù)處理速率大大提升，最終使成本大幅降低。

一、自動(dòng)識(shí)別技術(shù)簡(jiǎn)介

自動(dòng)識(shí)別技術(shù)就是應(yīng)用一定的識(shí)別裝置，通過(guò)被識(shí)別物品和識(shí)別裝置之間的接近活動(dòng)，自動(dòng)地獲取被識(shí)別物品的相關(guān)信息，并提供給后臺(tái)的計(jì)算機(jī)處理系統(tǒng)來(lái)完成相關(guān)后續(xù)處理的一種技術(shù)。

二、自動(dòng)識(shí)別系統(tǒng)種類

自動(dòng)識(shí)別系統(tǒng)可分為針對(duì)物（“無(wú)生命”）和針對(duì)人（“有生命”）的識(shí)別兩類。

（一）“有生命”識(shí)別技術(shù)

a.聲音識(shí)別技術(shù)。語(yǔ)音識(shí)別是一種將人講話發(fā)出的語(yǔ)音通信聲波識(shí)別成為一種能夠表達(dá)通信消息的符號(hào)序列，有匹配識(shí)別和檢測(cè)識(shí)別兩種方式。其中匹配識(shí)別是指語(yǔ)音聲波與系統(tǒng)中已存在的聲波模型進(jìn)行對(duì)比，把最接近的作為識(shí)別結(jié)果。檢測(cè)識(shí)別指把系統(tǒng)模型中與輸入的語(yǔ)音聲波相匹配的符號(hào)或符號(hào)序列作為系統(tǒng)的識(shí)別結(jié)果。優(yōu)缺點(diǎn)：實(shí)現(xiàn)非接觸式的數(shù)據(jù)采集，對(duì)手腳的使用無(wú)阻礙。但其識(shí)別率較低。應(yīng)用：電信，語(yǔ)音情感識(shí)別等。

b.生物特征識(shí)別技術(shù)。生物特征識(shí)別技術(shù)是對(duì)某人的物理特征或行為特征用自動(dòng)化方法予以辨識(shí)或認(rèn)證的技術(shù)，包括人臉識(shí)別、指紋識(shí)別、視網(wǎng)膜識(shí)別、語(yǔ)音識(shí)別（語(yǔ)音識(shí)別可以進(jìn)行身份和語(yǔ)音內(nèi)容的識(shí)別，只有前者屬于生物特征識(shí)別技術(shù)）、鍵盤敲擊識(shí)別、簽字識(shí)別。所有的生物識(shí)別工作都包括4個(gè)步驟：原始數(shù)據(jù)獲取、抽取特征、比較和匹配。

①人臉識(shí)別技術(shù)。人臉識(shí)別是指對(duì)輸入的人臉圖象或者視頻流，先判人臉是否存在，若存在，則提取臉部信息，并依據(jù)這些信息，進(jìn)一步獲取每個(gè)人臉中所蘊(yùn)涵的身份特征，并通過(guò)與已知人臉對(duì)比來(lái)識(shí)別人臉的身份。可通過(guò)視頻技術(shù)和熱成像技術(shù)來(lái)捕捉面部圖像，前者是通過(guò)一個(gè)標(biāo)準(zhǔn)的攝像頭攝取面部的圖像或一系列圖像，從而記錄一些核心數(shù)據(jù)，后者是通過(guò)分析面部的由毛細(xì)血管的血液產(chǎn)生的熱線來(lái)產(chǎn)生面部圖像[1]。優(yōu)缺點(diǎn)：在實(shí)際環(huán)境中可以進(jìn)行多個(gè)人臉的識(shí)別，但因系統(tǒng)對(duì)周圍的光線環(huán)境敏感，會(huì)影響識(shí)別的準(zhǔn)確性，此外對(duì)于人面部發(fā)飾，衰老等因素，需進(jìn)行人工智能補(bǔ)償后識(shí)別。應(yīng)用：自動(dòng)門禁控制系統(tǒng)、身份證件的鑒別，公安刑偵追逃等。

③簽名識(shí)別。簽名識(shí)別，也被稱為簽名力學(xué)辨識(shí)，是由于個(gè)人書寫習(xí)慣的差異。簽名鑒定有在線簽名鑒定和離線簽名鑒定兩種。前者比后者會(huì)多采集書寫人握筆方式，書寫壓力等動(dòng)態(tài)信息，固不容易被偽造。優(yōu)缺點(diǎn)：容易被大眾認(rèn)可，但其會(huì)隨著人各方面的改變而變化。

除此之外，還有我們熟悉的指紋識(shí)別，視網(wǎng)膜識(shí)別等，他們是人體固有的特征，不會(huì)受環(huán)境或年齡變化而改變，且視網(wǎng)膜不可見，因此最難偽造。

（二）“無(wú)生命”識(shí)別技術(shù)

a.條碼技術(shù)。條碼是由一組按一定編碼規(guī)則排列的條、空符號(hào)，用以表示一定的字符、數(shù)字及符號(hào)組成的信息。優(yōu)缺點(diǎn)：信息采集速度快，可靠性高，使用靈活，成本低等優(yōu)點(diǎn)。但其存儲(chǔ)信息少，被污染后無(wú)法讀取數(shù)據(jù)，且沒(méi)有辦法做到全球唯一ID號(hào)。應(yīng)用：POS系統(tǒng)。

b.光學(xué)字符識(shí)別（OCR）。OCR是指通過(guò)掃描等光學(xué)輸入方式將文字根據(jù)其亮暗確定其形狀，從而轉(zhuǎn)化為圖像信息，再利用字符識(shí)別方法將形狀翻譯成計(jì)算機(jī)文字的過(guò)程。優(yōu)缺點(diǎn)：其優(yōu)點(diǎn)是人眼可識(shí)度，可掃描。但輸入速度和可靠性不及條碼，以目前的技術(shù)，基本無(wú)法正確識(shí)別手寫中文字體。應(yīng)用：辦公室自動(dòng)化中的文本輸入，郵件自動(dòng)處理與自動(dòng)獲取文本過(guò)程相關(guān)的其他領(lǐng)域，這些領(lǐng)域包括支票和文件識(shí)度，訂單數(shù)據(jù)輸入等。

c.磁條（卡）技術(shù)。磁條（卡）技術(shù)是利用貼在卡上的磁條來(lái)記錄信息。磁條表面涂有磁性材料，當(dāng)讀卡設(shè)備的磁頭掠過(guò)磁條時(shí)，可對(duì)磁條進(jìn)行現(xiàn)場(chǎng)讀寫操作。優(yōu)缺點(diǎn)：使用便捷，成本低廉，安全性較高，能粘附在不同規(guī)格和形式的基材上。但數(shù)據(jù)存儲(chǔ)量小，容易磨損，撕毀，不能彎折。應(yīng)用：銀行ATM卡，公交卡。

d.IC卡識(shí)別技術(shù)。IC卡指將可編程設(shè)置的IC芯片放在卡片中，使卡片具有更多的功能。通常所說(shuō)的IC卡為接觸式IC卡。優(yōu)缺點(diǎn)：具有存儲(chǔ)容量大，體積小，重量輕，抗干擾能力強(qiáng)，易于使用，安全性高，使用壽命長(zhǎng)等優(yōu)點(diǎn)。但由于觸點(diǎn)暴露在外面，有可能因?yàn)槿藶榈脑蚧蜢o電而損壞。

應(yīng)用：電話IC卡，手機(jī)SIM卡，智能水表，電表。

e.射頻識(shí)別技術(shù)

①射頻技術(shù)概念。射頻技術(shù)指由掃描器發(fā)射一特定頻率的無(wú)線電波能量給接收器來(lái)驅(qū)動(dòng)接收器電路將內(nèi)部的代碼送出，此時(shí)掃描器便接收此代碼。接收器不使用電池，是無(wú)接觸式的，固不怕污染，且其晶片密碼是世界唯一的。較常見的應(yīng)用有無(wú)線射頻識(shí)別。

②射頻識(shí)別技術(shù)概念。射頻識(shí)別技術(shù)是指可通過(guò)無(wú)線電訊號(hào)識(shí)別特定目標(biāo)并讀寫相關(guān)數(shù)據(jù)，而無(wú)需識(shí)別系統(tǒng)與特定目標(biāo)之間建立機(jī)械或光學(xué)接觸。

③射頻識(shí)別技術(shù)的基本原理。射頻識(shí)別技術(shù)的基本原理是電磁理論。射頻標(biāo)簽用于裝載識(shí)別信息，射頻讀寫器用于獲取信息。射頻標(biāo)簽與射頻讀寫器之間利用感應(yīng)、無(wú)線電波或微波能量進(jìn)行非接觸雙向通信，實(shí)現(xiàn)數(shù)據(jù)交換，從而達(dá)到識(shí)別的目的。射頻識(shí)別系統(tǒng)通常由標(biāo)簽、讀寫器、計(jì)算機(jī)通信網(wǎng)絡(luò)三部分組成。常用的有低頻（125k～134.2K）、高頻、超高頻，微波等。

④優(yōu)缺點(diǎn)：識(shí)別距離遠(yuǎn)，數(shù)存儲(chǔ)量大，信息存儲(chǔ)時(shí)間長(zhǎng)，可以同時(shí)識(shí)別多個(gè)標(biāo)簽，有全球唯一ID，難以偽造。但相對(duì)條碼成本較高。射頻識(shí)別標(biāo)簽具有可讀寫能力，不需要對(duì)準(zhǔn)，不會(huì)被強(qiáng)磁場(chǎng)洗去信息。

⑤應(yīng)用：高速公路不停車收費(fèi)系統(tǒng)，不需刷卡自動(dòng)安全門禁系統(tǒng)，電子通關(guān)，通關(guān)車輛驗(yàn)證與放行等。

總結(jié)：本文通過(guò)材料搜集與整理并結(jié)合自己現(xiàn)有的知識(shí)簡(jiǎn)要概述了自動(dòng)識(shí)別技術(shù)概念及其常用的幾種技術(shù)的優(yōu)缺點(diǎn)及應(yīng)用。希望本文對(duì)讀者有些許幫助。

參考文獻(xiàn)：

[1]董立鋒.人臉識(shí)別技術(shù)在信息系統(tǒng)身份認(rèn)證中的應(yīng)用.四川大學(xué).2004

[2]游戰(zhàn)清，李蘇劍.射頻識(shí)別技術(shù)（RFID）理論與應(yīng)用.電子工業(yè)出版社.2004.8

第3篇：識(shí)別技術(shù)范文

[關(guān)鍵詞] 車牌定位車牌識(shí)別字符分割字符識(shí)別

車牌識(shí)別技術(shù)在公共安全、交通管理、及相關(guān)軍事部門有著重要的應(yīng)用價(jià)值，目前該技術(shù)主要應(yīng)用于職能交通系統(tǒng)（Intdligent Transportation SystemITS）。一般來(lái)講車牌識(shí)別軟件系統(tǒng)主要包括三部分，它們是車牌定位、車牌分割和字符識(shí)別，車牌定位的任務(wù)是給出圖像中車牌的位置，車牌分割的主要任務(wù)是將定位后的車牌區(qū)域中的字符分割出來(lái)，字符識(shí)別是最后一部分，它的主要任務(wù)是將分割出的字符識(shí)別出來(lái)。有關(guān)車牌識(shí)別技術(shù)國(guó)內(nèi)外有大量的研究報(bào)道，在車牌識(shí)別系統(tǒng)中，涉及的方法比較多，有的算法簡(jiǎn)單，速度快，但識(shí)別正確率較低；有的算法復(fù)雜，正確率高，但速度慢，以下對(duì)現(xiàn)有的一些車牌識(shí)別技術(shù)進(jìn)行綜述比較。

一、車牌定位技術(shù)

車牌定位就是從車牌的圖像中提取出車牌區(qū)域，它的好壞直接關(guān)系到這個(gè)系統(tǒng)識(shí)別率的高低，并且對(duì)識(shí)別速度也有很大的影響。由于車牌背景的復(fù)雜性與車牌特征的多樣性，迄今為止, 仍沒(méi)有一個(gè)完全通用的職能化車牌定位方法。車牌定位算法目前主要有基于彩色的方法、尋找車牌圖像上下邊界的方法、基于灰度的方法、基于頻域或其他變換域的方法等幾大類，結(jié)合這些基本方法與各種優(yōu)化算法又派生出許多其他定位算法。

1.利用車牌的紋理的幾何變化的定位方法

對(duì)車牌區(qū)域檢測(cè)需要運(yùn)用車牌區(qū)域所特有的屬性。按照模式識(shí)別原理，應(yīng)找到車牌區(qū)域圖像固有的且與圖像其他區(qū)域不易混淆的屬性，并且所有使用的屬性在各種環(huán)境下攝取的圖像具有穩(wěn)定性。在各種條件下車牌所在的圖像區(qū)域穩(wěn)定可靠的信息是它具有豐富的邊緣，因此涉及了對(duì)邊緣紋理信息分析為基礎(chǔ)的算法。

這類算法的流程可以分為三個(gè)步驟:(1)預(yù)處理，將彩色圖像轉(zhuǎn)換成灰度圖并進(jìn)行圖像邊界增強(qiáng);(2)利用根據(jù)牌照特點(diǎn)設(shè)計(jì)的變換公式進(jìn)行變換;(3)對(duì)變換后的圖像進(jìn)行分析，利用牌照的幾何特點(diǎn)進(jìn)行定位。

2.利用圖像信息差進(jìn)行車牌定位的方法

這種方法是利用兩幀或兩場(chǎng)車牌圖片之間的信息差，進(jìn)行車牌的定位，所以這種方法也叫基于互相關(guān)矢量圖的車牌定位算法。該算法已于車牌字符筆畫兩個(gè)邊緣互相關(guān)值最大的原理，由原始圖像構(gòu)造兩幅圖像，用類似粒子圖像測(cè)速互相關(guān)方法求出“位移矢量圖”，再?gòu)闹幸罁?jù)先驗(yàn)知識(shí)進(jìn)行車牌定位的算法。該算法的特點(diǎn)是可在車牌兩倍大小范圍內(nèi)自適應(yīng)車牌大小，同時(shí)還可以得到對(duì)后續(xù)處理非常有用的信息。

3.利用顏色的車牌定位的方法

利用顏色的車牌定位方法不同于大多數(shù)的車牌定位方法，由于對(duì)車牌的大小、汽車在圖像中的位置以及圖像背景的限制很少，而且綜合特征定位要比單一特征定位更符合人的視覺(jué)要求，因而定位效果更好，應(yīng)用范圍更廣。有關(guān)車牌的模型化，根據(jù)機(jī)動(dòng)車牌號(hào)標(biāo)準(zhǔn)，中國(guó)車牌照主要有藍(lán)底白字、黃底黑字、黑底白字、和白底黑字4種類型，根據(jù)車牌底色，利用顏色空間距離及相似度計(jì)算，就可以從圖像中分割出想要的顏色區(qū)域，再采用投影法來(lái)找到該顏色區(qū)域。

4.投影法進(jìn)行車牌定位

在所有的車牌定位算法中，利用投影法進(jìn)行牌照區(qū)域與背景的分割，是一種非常常用的方法，也是非常實(shí)用的方法。其實(shí)在上面提到的幾種定位放法中，在完成特征計(jì)算后，都采用了投影的方法進(jìn)行切分。投影法定位有牌照水平方向的定位算法和垂直方向的定位算法兩種。

二、字符分割技術(shù)

在經(jīng)過(guò)車牌定位后，為了方便后面的識(shí)別環(huán)節(jié)，應(yīng)首先對(duì)字符進(jìn)行分割，并進(jìn)行歸一化，分割質(zhì)量的好壞和正確與否將直接影響后面的識(shí)別結(jié)論是否正確。它的主要任務(wù)是:確定車牌字符的上下邊界，兩條直線;將車牌中的字符一一分割出來(lái);將分割出來(lái)的字符歸一化到一個(gè)固定的大小。在這一過(guò)程中涉及到的技術(shù)主要有二值化、尋找精確字符邊界、字符分割。

1.圖像的二值化

二值化是車牌識(shí)別中的重要處理手段，它可以被用在車牌定位也可以用在車牌的分割中。圖像的二值化就是把灰度圖像變成黑白圖像。選取一個(gè)閥值，當(dāng)灰度值大于該閥值時(shí)令其位白點(diǎn)，否則位黑點(diǎn)。根據(jù)閥值選取的不同，二值化的算法分為固定閥值和自適應(yīng)閥值。一般來(lái)說(shuō)，不同的圖像采用同一個(gè)閥值的效果也會(huì)大不一樣，所以自適應(yīng)閥值的靈活性比固定閥值的處理效果要好。但在默寫特定的情況下，由于處理的是一組相似的圖像，因此也可以選擇一個(gè)固定的閥值來(lái)進(jìn)行處理。自適應(yīng)閥值的缺點(diǎn)是可能會(huì)產(chǎn)生許多噪聲點(diǎn)，如果車牌系統(tǒng)應(yīng)用范圍很窄，則可以選擇一個(gè)適當(dāng)?shù)墓潭c(diǎn)做閥值。

2.尋找邊界

二值化后需要尋找車牌字符的邊框，一邊更精確地定位車牌。根據(jù)在字符區(qū)域與背景區(qū)域的交界處，前景象素的個(gè)數(shù)會(huì)發(fā)生突變。從區(qū)域的中間點(diǎn)出發(fā)，依次尋找上、下、左、右邊界。經(jīng)過(guò)上面的車牌定位，可以認(rèn)為該塊區(qū)域的中心點(diǎn)位于字符區(qū)域內(nèi)。統(tǒng)計(jì)每一行和每一列的白點(diǎn)（即前景點(diǎn)顏色）個(gè)數(shù)，當(dāng)發(fā)生沖突的時(shí)候就認(rèn)為有可能到達(dá)邊界了，排除一些噪音干擾，就可以得到字符區(qū)域的邊界。

3.字符分割

經(jīng)過(guò)牌照字符圖像的分割與二值化，得到的是一個(gè)只包含牌照字符的水平條區(qū)域，為了進(jìn)行字符識(shí)別，需要將牌照字符從圖像中分割出來(lái)。投影法進(jìn)行圖像字符分割是最簡(jiǎn)便快捷的方法，其思想是根據(jù)車平均字符的特點(diǎn)，把車牌圖像進(jìn)行垂直方向的投影，音字符區(qū)域黑色像素點(diǎn)比較多且集中，且每個(gè)車牌字符之間有一定的空隙間隔隔開。這樣投影下來(lái)得到的投影圖應(yīng)該有幾個(gè)相對(duì)集中的投影峰值群，只需要根據(jù)峰值群的特點(diǎn)進(jìn)行分割，就可以得到車牌的字符。

車牌圖像字符定位分割的具體算法如下:(1)對(duì)車牌圖像進(jìn)行垂直投影，定位出每個(gè)字符的左右邊界，并保存在數(shù)組中;(2)把每個(gè)字符分割出來(lái)，再進(jìn)行水平投影，定位出字符具體的上下邊界，并保存再數(shù)組里;(3)根據(jù)每個(gè)字符的邊界，把字符信息保存再數(shù)字里，并在圖像中顯示定位情況。

三、字符識(shí)別

字符識(shí)別是車牌識(shí)別的最后一步，也是計(jì)算量較大的部分。對(duì)于單個(gè)的字符，最直接的識(shí)別方法就是模板匹配方法，由于牌照字符有限且位確定的字體，因此，如果前面的步驟完成的質(zhì)量較高，則用這種方法的識(shí)別效率也會(huì)很高，但是如果牌照校正得步規(guī)范或字符切割得不夠精確，則識(shí)別率就會(huì)大大降低，因此在實(shí)際中，通常都是利用字符的各種特征來(lái)進(jìn)行識(shí)別。

1.字符的特征

車牌識(shí)別中可利用的字符特征很多，大致可以分為結(jié)構(gòu)特征、象素分布特征及其他特征。

(1)結(jié)構(gòu)特征，結(jié)構(gòu)特征充分利用了字符本身的特點(diǎn)，由于車牌字符通常都是較規(guī)范的印刷體，因此可以較容易地從字符圖像上得到它的字符的筆畫信息，并可根據(jù)這些信息來(lái)判別字符。

(2)象素分布特征，象素分布特征的提取方法很多，常見的有水平/垂直投影的特征、微結(jié)構(gòu)特征和周邊特征等。水平/垂直投影的特征是計(jì)算字符圖像在水平和垂直方向上的象素值的多少，以此作為特征。微結(jié)構(gòu)法將圖像分為幾個(gè)小塊，統(tǒng)計(jì)每個(gè)小塊的象素分布。周邊特征則計(jì)算從邊界到字符的距離。

2.字符識(shí)別方法

(1)模板匹配字符識(shí)別。模板匹配是字符識(shí)別的最基本的方法之一，該方法是將要識(shí)別的字符與實(shí)現(xiàn)構(gòu)造好了的模板盡心比較，根據(jù)與模板的相似度大小來(lái)確定最終的識(shí)別結(jié)果?；舅枷胧牵菏紫雀鶕?jù)切割下來(lái)的字符大小，確定一幅帶有加權(quán)因子的骨架模板，然后，將切割下來(lái)的字符按照模板的大小進(jìn)行歸一化，包括大小的歸一化和灰度的歸一化，歸一化后的字符圖像與創(chuàng)建的模板進(jìn)行匹配。

(2)基于過(guò)線數(shù)特征的識(shí)別方法。該方法是為了提高識(shí)別速度，它也是模板匹配的一種，是對(duì)模板的算法進(jìn)行的優(yōu)化，從模板中提取一些有用的特征，可以使識(shí)別速度大大提高。單一特征抽取構(gòu)成的識(shí)別系統(tǒng)通常難以滿足要求。車牌識(shí)別系統(tǒng)的字符識(shí)別，其實(shí)也是一種印刷體字符識(shí)別，根據(jù)印刷體的結(jié)構(gòu)抽取特征，比如數(shù)字識(shí)別為例，可以抽取四種特征：橫線特征、豎線特征、水平方向過(guò)線數(shù)、垂直方向過(guò)線數(shù)。然后就可以利用這四種特征和編碼器組合的方法實(shí)現(xiàn)對(duì)印刷體數(shù)字的識(shí)別。

(3)基于左右輪廓特征的印刷體數(shù)字識(shí)別?；谧笥逸喞卣魈崛〉姆椒ㄆ鋵?shí)質(zhì)也是一種特征提取的方法。由于印刷體數(shù)字的形狀相對(duì)固定，而且其左右輪廓基本上反映了字符的特征，將數(shù)字的左右輪廓特征經(jīng)歸一化處理后得到多個(gè)特征值。

第4篇：識(shí)別技術(shù)范文

關(guān)鍵詞：射頻識(shí)別 RFID 專利技術(shù) 綜述

一、RFID簡(jiǎn)介

最基本的RFID系統(tǒng)由天線、標(biāo)簽、閱讀器組成，而完整可應(yīng)用的RFID系統(tǒng)還包括計(jì)算機(jī)系統(tǒng)。當(dāng)帶有RFID電子標(biāo)簽的物體經(jīng)過(guò)讀寫器附近時(shí)，電子標(biāo)簽會(huì)被讀寫器天線發(fā)送的一定頻率的信號(hào)激活，標(biāo)簽在磁場(chǎng)中產(chǎn)生感應(yīng)電流從而獲得能量并通過(guò)無(wú)線電波向讀寫器發(fā)送自身編碼等標(biāo)簽中存儲(chǔ)的信息，讀寫器在接收到信息后對(duì)信息進(jìn)行解碼，然后將信息發(fā)送至計(jì)算機(jī)系統(tǒng)，信息完成自動(dòng)采集，自動(dòng)采集的信息按需由計(jì)算機(jī)應(yīng)用系統(tǒng)進(jìn)行處理、控制。

二、RFID專利文獻(xiàn)分析

筆者以“射頻識(shí)別”、“RFID”等關(guān)鍵字檢索（均做相應(yīng)的相關(guān)衍生詞匯擴(kuò)展），并使用分類號(hào)排除明顯噪聲，進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，匯總?cè)缦隆?/p>

2.1 申請(qǐng)量分析

圖1展示了1992-2016年射頻識(shí)別技術(shù)全球和中國(guó)專利申請(qǐng)趨勢(shì)圖，全球趨勢(shì)中，1992年申請(qǐng)了第一份有關(guān)射頻識(shí)別技術(shù)的專利，到了2002年，有關(guān)射頻識(shí)別技術(shù)的申請(qǐng)量依然不足200篇，申請(qǐng)量在2006年基本達(dá)到頂峰，之后由于受金融危機(jī)的影響，在2008年前后有一個(gè)下降勢(shì)，但是之后又逐步回升；中國(guó)的申請(qǐng)量從2002年內(nèi)開始一直在大幅提升，在金融危機(jī)2008年前后，中國(guó)的申請(qǐng)量沒(méi)有大幅增長(zhǎng)，比較平穩(wěn)，但是2010年之后，又繼續(xù)呈現(xiàn)大幅增長(zhǎng)的趨勢(shì)，這也說(shuō)明該領(lǐng)域的國(guó)內(nèi)應(yīng)用范圍不斷提升，鉆研RFID技術(shù)的企業(yè)和科研院所越來(lái)越多。

2.2 熱點(diǎn)技術(shù)主題分析

該領(lǐng)域國(guó)內(nèi)和全球的專利申請(qǐng)分類號(hào)分布情況，每一個(gè)分類號(hào)即是一個(gè)大的技術(shù)主題，無(wú)論是國(guó)內(nèi)還是全球申請(qǐng)，分布最多的四個(gè)分類號(hào)都是G06K17/00、G06K19/07、G06K19/077、G06K7/00，其分別對(duì)應(yīng)數(shù)據(jù)閱讀和數(shù)據(jù)識(shí)別，連同機(jī)器一起使用的集成電路芯片信息記錄載體，載體在電路中的裝配，讀出載體的方法或裝置。說(shuō)明在該領(lǐng)域，較為熱門的研究方向大多集中在上述幾個(gè)主題，這為專利申請(qǐng)人在進(jìn)行專利布局時(shí)提供了參考。也可以看出該領(lǐng)域的專利分布較為廣泛，在檢索該領(lǐng)域的專利時(shí)，應(yīng)針對(duì)申請(qǐng)專利的技術(shù)方案特點(diǎn)，采用合適的關(guān)鍵字和分類號(hào)相結(jié)合的檢索策略，以防止遺漏相關(guān)現(xiàn)有技術(shù)文獻(xiàn)。

2.3 申請(qǐng)國(guó)別分析

對(duì)全球射頻識(shí)別領(lǐng)域相關(guān)專利申請(qǐng)的申請(qǐng)?zhí)栠M(jìn)行統(tǒng)計(jì)分析，得到該領(lǐng)域?qū)＠闹饕暾?qǐng)國(guó)統(tǒng)計(jì)圖，圖2中可以看出，中國(guó)作為后起之秀，目前已穩(wěn)居第一，射頻識(shí)別技術(shù)主要集中在中美日韓四個(gè)國(guó)家，集中度較高，這也有利于該技術(shù)的穩(wěn)步發(fā)展。歐洲各國(guó)中，德國(guó)和英國(guó)的申請(qǐng)量在歐洲各國(guó)中較為靠前，但是相比而言，總量不多。雖然我國(guó)在這個(gè)領(lǐng)域起步較晚，但是申請(qǐng)數(shù)量增長(zhǎng)勢(shì)頭比較明顯，已經(jīng)完全超越美國(guó)的申請(qǐng)數(shù)量，在申請(qǐng)量上面成為該領(lǐng)域的第一申請(qǐng)大國(guó)，且可以肯定的是，今后我國(guó)在該領(lǐng)域?qū)⒗^續(xù)發(fā)展壯大，朝著RFID技術(shù)主導(dǎo)國(guó)的方向穩(wěn)步邁進(jìn)。

2.4主要申請(qǐng)人分析

對(duì)RFID全球申請(qǐng)進(jìn)行統(tǒng)計(jì)分析，申請(qǐng)量較多的企業(yè)有，富士通，艾利丹尼森，SYMBOL TECHNOLOGIES INC，KOREA ELECTRONICS TELECOMM，IBM，以及SENSORMATIC ELECTRONICS CORP。從國(guó)別來(lái)看，上述企業(yè)多屬于日本和美國(guó)，也有韓國(guó)企業(yè)，但是韓國(guó)企業(yè)的申請(qǐng)量還是遠(yuǎn)不如美日企業(yè)，這也給檢索指明了一個(gè)方向，即不能遺漏日文庫(kù)，更應(yīng)當(dāng)重點(diǎn)檢索英文庫(kù)，及時(shí)了解這些企業(yè)的相關(guān)申請(qǐng)，有助于專利布局。

國(guó)內(nèi)申請(qǐng)中，則以中興通訊股份有限公司及其下屬子公司、國(guó)家電網(wǎng)公司、華南理工大學(xué)這些企業(yè)/高效申請(qǐng)為主導(dǎo)，另外，在國(guó)際申請(qǐng)量中排名比較靠前的艾利丹尼森公司、富士通株式會(huì)社，在中國(guó)申請(qǐng)量同樣也比較靠前。另外，中國(guó)申請(qǐng)人中，還有較多科研院所，比如北京物資學(xué)院、電子科技大學(xué)、中國(guó)科學(xué)院自動(dòng)化研究所、中山大學(xué)?？偟膩?lái)說(shuō)，國(guó)內(nèi)申請(qǐng)的RFID相關(guān)的專利還是國(guó)企和科研院所占主導(dǎo)，這也符合我國(guó)的基本國(guó)情。

3 結(jié)語(yǔ)

總體而言，目前全球在該領(lǐng)域的申請(qǐng)量基本趨于平穩(wěn)，而中國(guó)的申請(qǐng)量在近十年則呈現(xiàn)一個(gè)爆發(fā)式增長(zhǎng)的狀態(tài)，也體現(xiàn)了中國(guó)在科技方面的與日俱增的實(shí)力，中國(guó)的總的申請(qǐng)量已經(jīng)超越美國(guó)，成為該領(lǐng)域?qū)＠墨I(xiàn)保有量的第一大國(guó)。本文通過(guò)對(duì)申請(qǐng)文獻(xiàn)的分類號(hào)進(jìn)行分析，得出了目前該領(lǐng)域的幾大研究熱點(diǎn)，及時(shí)對(duì)主要申請(qǐng)人在該領(lǐng)域的最新專利布局進(jìn)行分析，有助于技術(shù)人員更好地洞悉該領(lǐng)域的最新發(fā)展?fàn)顟B(tài)。RFID技術(shù)下還有許多細(xì)分領(lǐng)域，在充分了解該領(lǐng)域?qū)＠拇笾掳l(fā)展方向之后，對(duì)涉及該領(lǐng)域的技術(shù)企業(yè)而言，在細(xì)分領(lǐng)域進(jìn)行深入挖掘，提前進(jìn)行專利布局，顯得尤為重要。

參考文獻(xiàn)：

[1]吳永祥.射頻識(shí)別（RFID）技術(shù)研究現(xiàn)狀及發(fā)展展望[J].微計(jì)算機(jī)信息，2006，22（11-2）.

第5篇：識(shí)別技術(shù)范文

摘 要：RFID是目前應(yīng)用于物聯(lián)網(wǎng)的一項(xiàng)新興通信技術(shù)，可通過(guò)無(wú)線電信號(hào)識(shí)別產(chǎn)品電子標(biāo)簽內(nèi)的EPC碼來(lái)識(shí)別特定目標(biāo)，而無(wú)需識(shí)別系統(tǒng)與特定目標(biāo)之間建立機(jī)械或光學(xué)接觸，它的應(yīng)用給物聯(lián)網(wǎng)行業(yè)帶來(lái)了革命性的變化，極大地節(jié)省了管理成本，提高了管理效率。文章重點(diǎn)對(duì)RFID的工作原理、安全性、現(xiàn)狀及發(fā)展趨勢(shì)進(jìn)行了闡述。

 

關(guān)鍵字：RFID；物聯(lián)網(wǎng)；電子標(biāo)簽；射頻識(shí)別

中圖分類號(hào)：TN871 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2013）05-0014-04

0 引 言

自20世紀(jì)90年代物聯(lián)網(wǎng)概念出現(xiàn)以來(lái)，越來(lái)越多的人對(duì)其產(chǎn)生了興趣。物聯(lián)網(wǎng)是在互聯(lián)網(wǎng)的基礎(chǔ)上，利用射頻識(shí)別、無(wú)線數(shù)據(jù)、計(jì)算機(jī)等技術(shù)，構(gòu)造一個(gè)覆蓋萬(wàn)事萬(wàn)物的實(shí)物互聯(lián)網(wǎng)。物聯(lián)網(wǎng)內(nèi)每個(gè)產(chǎn)品都有一個(gè)唯一的產(chǎn)品碼，叫做EPC（Electronic Product Code，產(chǎn)品電子代碼）。通常EPC碼被存入硅芯片做成的電子標(biāo)簽內(nèi)，附在被標(biāo)識(shí)產(chǎn)品上，被高層的信息處理系統(tǒng)識(shí)別、傳遞、查詢，進(jìn)而在互聯(lián)網(wǎng)的基礎(chǔ)上形成專為供應(yīng)鏈企業(yè)服務(wù)的各種信息服務(wù)，就是物聯(lián)網(wǎng)。而射頻識(shí)別是物聯(lián)網(wǎng)中最基本也是最關(guān)鍵的技術(shù)。

 

1 RFID及其發(fā)展

RFID（Radio Frequency Identification，射頻識(shí)別）又稱電子標(biāo)簽、無(wú)線射頻識(shí)別。RFID類似于條形碼掃描，條形碼掃描是將已編碼的條形碼附著于目標(biāo)物并使用專用的掃描讀寫器利用光信號(hào)將信息由條形磁傳送到掃描讀寫器；而RFID則使用專用的RFID讀寫器及專門的可附著于目標(biāo)物的電子標(biāo)簽，即RFID標(biāo)簽，利用頻率信號(hào)將信息由RFID標(biāo)簽傳送至RFID讀寫器。RFID技術(shù)的發(fā)展經(jīng)歷了以下幾個(gè)階段：20世紀(jì)40年代，雷達(dá)的改進(jìn)及應(yīng)用催生了RFID技術(shù)，1948年，Harry Stockman發(fā)表的《利用反射功率進(jìn)行通信》奠定了RFID技術(shù)的理論基礎(chǔ)；50年代早期，RFID技術(shù)處在探索階段，主要出于實(shí)驗(yàn)室的實(shí)驗(yàn)研究；60年代，RFID技術(shù)的理論得到了發(fā)展，開始一些應(yīng)用嘗試；70年代，射頻識(shí)別技術(shù)與產(chǎn)品研發(fā)處于一個(gè)大發(fā)展時(shí)期，各種射頻識(shí)別技術(shù)測(cè)試得到加速，出現(xiàn)了一些最早的射頻識(shí)別應(yīng)用；80年代，射頻識(shí)別技術(shù)及產(chǎn)品進(jìn)入商業(yè)應(yīng)用階段，各種規(guī)模應(yīng)用開始出現(xiàn)；90年代，RFID技術(shù)標(biāo)準(zhǔn)化問(wèn)題已逐漸得到重視，RFID產(chǎn)品得到了廣泛采用；到21世紀(jì)，RFID產(chǎn)品種類已經(jīng)非常豐富，有電子標(biāo)簽、無(wú)源電子標(biāo)簽、半無(wú)源電子標(biāo)簽，成本降低，應(yīng)用不斷擴(kuò)大。

 

2 RFID的構(gòu)成及工作原理

RFID主要由三個(gè)部分組成，即RFID標(biāo)簽、閱讀器和天線。標(biāo)簽由耦合元件及芯片組成，每個(gè)標(biāo)簽具有唯一的EPC，附著在物體上標(biāo)識(shí)目標(biāo)對(duì)象；閱讀器由天線、耦合元件、芯片組成，可讀取（或?qū)懭耄?biāo)簽信息；天線用于在標(biāo)簽和讀取器間傳遞射頻信號(hào)。圖1所示是RFID系統(tǒng)的基本模型，圖中作為RFID的部分只包括RFID標(biāo)簽、天線以及閱讀器。當(dāng)RFID標(biāo)簽進(jìn)入磁場(chǎng)后，接收到閱讀器發(fā)出的射頻信號(hào)，憑借感應(yīng)電流所獲得的能量發(fā)送出存儲(chǔ)在芯片中的產(chǎn)品信息，或者由標(biāo)簽主動(dòng)發(fā)送某一頻率的信號(hào)給閱讀器，閱讀器讀取信息后，通過(guò)網(wǎng)絡(luò)送至上層系統(tǒng)進(jìn)行數(shù)據(jù)處理。

 

3 RFID較條形碼識(shí)別的優(yōu)點(diǎn)

相比條形碼識(shí)別，RFID識(shí)別具有如下優(yōu)點(diǎn)：

（1） 掃描速度快。條形碼一次只能有一個(gè)條形碼受到掃描，RFID則可同時(shí)讀取多個(gè)RFID標(biāo)簽。

（2） 體積小、形狀多樣。RFID在讀取上并不受尺寸大小與形狀限制，不需要為了讀取精度而配合紙張的固定尺寸和印刷品質(zhì)。

（3） 抗污染能力和抗損壞性強(qiáng)。傳統(tǒng)條形碼的載體是紙張，易受污染，但RFID對(duì)水、油和化學(xué)藥品等物質(zhì)具有很強(qiáng)抵抗性。此外，由于條形碼是附于塑料袋或外包裝紙箱上，所以特別容易受到折損，而RFID是將數(shù)據(jù)存在芯片中，因此可以免受損壞。

 

（4） 可重復(fù)使用?，F(xiàn)在的條形碼印刷上去之后就無(wú)法更改，RFID標(biāo)簽則可以重復(fù)地新增、修改、刪除RFID標(biāo)簽內(nèi)儲(chǔ)存的數(shù)據(jù)，方便信息的更新。

（5） 信號(hào)具有穿透性。RFID射頻信號(hào)能夠穿透紙張、木材和塑料等非金屬或非透明材質(zhì)，而條形碼掃描機(jī)必須在近距離而且沒(méi)有物體阻擋的情況下，才可使用。

（6） 數(shù)據(jù)記憶容量大。一維條形碼容量是50 B，二維條形碼最大容量可達(dá)3 000 B，RFID最大的則有數(shù)兆字節(jié)，而且有不斷擴(kuò)大的趨勢(shì)。

（7） 安全性。由于RFID承載的是電子式信息，其數(shù)據(jù)內(nèi)容可經(jīng)由密碼保護(hù)，使其內(nèi)容不易被偽造及變?cè)臁?/p>

4 RFID標(biāo)簽的分類

4.1 按供電方式分類

按供電方式分類，RFID可分為有源、無(wú)源和半有源三類。

有源標(biāo)簽又稱主動(dòng)標(biāo)簽，標(biāo)簽具有內(nèi)部電源，用以提供標(biāo)簽電路本身及標(biāo)簽與閱讀器通訊所需的能量。特點(diǎn)是電能充足，工作可靠性高，信號(hào)傳送距離較遠(yuǎn)，但時(shí)刻都在發(fā)送信號(hào)，使用壽命有限、體積較大、成本較高，且不適合在惡劣環(huán)境下工作。

 

無(wú)源電子標(biāo)簽又稱被動(dòng)式標(biāo)簽，標(biāo)簽無(wú)內(nèi)部電源，其內(nèi)部電路運(yùn)行及向閱讀器回傳信息所需能量均由接收到的閱讀器所發(fā)送的射頻信號(hào)進(jìn)行電能轉(zhuǎn)換產(chǎn)生。這類標(biāo)簽價(jià)格低廉，體積小巧，無(wú)需額外電源，工作壽命長(zhǎng)且對(duì)工作環(huán)境要求不高，一般可做到免維護(hù)，缺點(diǎn)是信號(hào)有效距離相對(duì)有源標(biāo)簽短。目前市場(chǎng)的RFID標(biāo)簽主要是無(wú)源標(biāo)簽。無(wú)源RFID產(chǎn)品發(fā)展最早，也是發(fā)展最成熟、市場(chǎng)應(yīng)用最廣的產(chǎn)品。

 

半有源電子標(biāo)簽具有內(nèi)部電源，一般采用鈕扣電池供電，但僅對(duì)標(biāo)簽內(nèi)部電路提供電源支持。標(biāo)簽未進(jìn)入工作狀態(tài)前，處于休眠狀態(tài)，相當(dāng)于無(wú)源標(biāo)簽，標(biāo)簽內(nèi)部電能消耗極少，電池可維持幾年甚至長(zhǎng)達(dá)10年；當(dāng)標(biāo)簽進(jìn)入信號(hào)區(qū)域時(shí)進(jìn)入工作狀態(tài)，標(biāo)簽與閱讀器之間信息交換的能量由閱讀器發(fā)出的射頻能量為主，標(biāo)簽內(nèi)部電路所需能量由內(nèi)部電源提供。相對(duì)于無(wú)源電子標(biāo)簽，半有源電子標(biāo)簽內(nèi)部電源恰好可以驅(qū)動(dòng)標(biāo)簽工作，天線可以只管收發(fā)射頻信號(hào)，從而避免了無(wú)源電子標(biāo)簽在吸收射頻信號(hào)能量進(jìn)行電能轉(zhuǎn)換與回傳信息兩者間不斷切換影響工作效率的弱點(diǎn)。半有源標(biāo)簽有更快的反應(yīng)速度，更好的效率，較遠(yuǎn)的閱讀距離。

4.2 按載波頻率分類

第6篇：識(shí)別技術(shù)范文

【關(guān)鍵詞】 圖像識(shí)別技術(shù) 神經(jīng)網(wǎng)絡(luò)識(shí)別

模式識(shí)別研究的目的是用機(jī)器來(lái)模擬人的各種識(shí)別能力―比如說(shuō)模擬人的視覺(jué)與聽覺(jué)能力，因此圖像識(shí)別的目的是對(duì)文字、圖像、圖片、景物等模式信息加以處理和識(shí)別，以解決計(jì)算機(jī)與外部環(huán)境直接通信這一問(wèn)題?？梢哉f(shuō)，圖像識(shí)別的研究目標(biāo)是為機(jī)器配置視覺(jué)“器官”，讓機(jī)器具有視覺(jué)能力，以便直接接受外界的各種視覺(jué)信息。

一、圖像識(shí)別系統(tǒng)

一個(gè)圖像識(shí)別系統(tǒng)可分為四個(gè)主要部分：被識(shí)圖像、圖像信息獲取、圖像預(yù)處理、圖像特征提取、分類判決。

二、圖像識(shí)別方法

圖像識(shí)別的方法很多，可概括為統(tǒng)計(jì)（或決策理論）模式識(shí)別方法、句法（或結(jié)構(gòu)）模式識(shí)別方法、模糊模式識(shí)別方法以及神經(jīng)網(wǎng)絡(luò)識(shí)別方法。重點(diǎn)介紹神經(jīng)網(wǎng)絡(luò)識(shí)別方法。

2.1神經(jīng)網(wǎng)絡(luò)識(shí)別方法

2.1.1人工神經(jīng)網(wǎng)絡(luò)的組成

人工神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱ANN）是由大量處理單元經(jīng)廣泛互連而組成的人工網(wǎng)絡(luò)，用來(lái)模擬腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。而這些處理單元我們把它稱作人工神經(jīng)元。

2.1.2人工神經(jīng)網(wǎng)絡(luò)的輸出

2.1.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)中，各神經(jīng)元的不同連接方式就構(gòu)成了網(wǎng)絡(luò)的不同連接模型。常見的連接模型有：前向網(wǎng)絡(luò)、從輸入層到輸出層有反饋的網(wǎng)絡(luò)、層內(nèi)有互聯(lián)的網(wǎng)絡(luò)及互聯(lián)網(wǎng)絡(luò)。

2.1.4 學(xué)習(xí)算法

1）感知器模型及其算法

算法思想：首先把連接權(quán)和閾值初始化為較小的非零隨機(jī)數(shù)，然后把有n個(gè)連接權(quán)值的輸入送入網(wǎng)絡(luò)中，經(jīng)加權(quán)運(yùn)算處理后，得到一個(gè)輸出，如果輸出與所期望的有較大的差別，就對(duì)連接權(quán)值參數(shù)按照某種算法進(jìn)行自動(dòng)調(diào)整，經(jīng)過(guò)多次反復(fù)，直到所得到的輸出與所期望的輸出間的差別滿足要求為止。

2）反向傳播模型及其算法

反向傳播模型也稱B-P模型，是一種用于前向多層的反向傳播學(xué)習(xí)算法。

算法思想是：B-P算法的學(xué)習(xí)目的是對(duì)網(wǎng)絡(luò)的連接權(quán)值進(jìn)行調(diào)整，使得調(diào)整后的網(wǎng)絡(luò)對(duì)任一輸入都能得到所期望的輸出。學(xué)習(xí)過(guò)程包括正向傳播和反向傳播。正向傳播用于對(duì)前向網(wǎng)絡(luò)進(jìn)行計(jì)算，即對(duì)某一輸入信息，經(jīng)過(guò)網(wǎng)絡(luò)計(jì)算后求出它的輸出結(jié)果；反向傳播用于逐層傳遞誤差，修改神經(jīng)元之間的連接權(quán)值，使網(wǎng)絡(luò)最終得到的輸出能夠達(dá)到期望的誤差要求。

B-P算法的學(xué)習(xí)過(guò)程如下：

第一步：選擇一組訓(xùn)練樣例，每一個(gè)樣例由輸入信息和期望的輸出結(jié)果兩部分組成；第二步：從訓(xùn)練樣例集中取出一樣例，把輸入信息輸入到網(wǎng)絡(luò)中；第三步：分別計(jì)算經(jīng)神經(jīng)元處理后的各層節(jié)點(diǎn)的輸出；第四步：計(jì)算網(wǎng)絡(luò)的實(shí)際輸出和期望輸出的誤差；第五步：從輸出層反向計(jì)算到第一個(gè)隱層，并按照某種原則（能使誤差向減小方向發(fā)展），調(diào)整網(wǎng)絡(luò)中各神經(jīng)元的權(quán)值；第六步：對(duì)訓(xùn)練樣例集中的每一個(gè)樣例重復(fù)一到五的步驟，直到誤差達(dá)到要求時(shí)為止。

3）Hopfield模型及其學(xué)習(xí)算法

它是一種反饋型的神經(jīng)網(wǎng)絡(luò)，在反饋網(wǎng)絡(luò)中，網(wǎng)絡(luò)的輸出要反復(fù)地作為輸入再送入網(wǎng)絡(luò)中，使得網(wǎng)絡(luò)具有了動(dòng)態(tài)性，因此網(wǎng)絡(luò)的狀態(tài)在不斷的改變之中。

算法思想是：

（a） 設(shè)置互連權(quán)值

其中xis是s類樣例的第i個(gè)分量，它可以為1或0，樣例類別數(shù)為m，節(jié)點(diǎn)數(shù)為n。

（b） 未知類別樣本初始化。 Yi（0）=Xi 0≤i≤n-1

其中Yi（t）為節(jié)點(diǎn)I在t時(shí)刻的輸出，當(dāng)t=0時(shí)，Yi（0）就是節(jié)點(diǎn)I的初始值，Xi為輸入樣本的第I個(gè)分量。

（c） 迭代直到收斂

第7篇：識(shí)別技術(shù)范文

關(guān)鍵字：車牌識(shí)別,模版匹配，神經(jīng)網(wǎng)絡(luò)，小波變換

Abstract:With the development of society progress,License plate recognition has gradually become the development of intelligent transportation system an important part, also is the charging system to prevent an important means of cheating, but also high speed system automatic charging system must solve the key problem, the main purpose is to extract image automatic license plate image, segmentation character image, realize on license information recognition and matching. It is not only a computer vision and pattern recognition technology important research topic, but also intelligent traffic management one of the key technologies. At present, the home and abroad have devoted to the research of this aspect, such as template matching, neural network, wavelet transform and so on, have achieved good results.

Keywords:License plate recognition, template matching, neural network, wavelet transform

中圖分類號(hào)：U412.36+6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：

1 引言

隨著高速公路系統(tǒng)新技術(shù)的高速發(fā)展，車牌識(shí)別技術(shù)已經(jīng)成為交通應(yīng)用方面的重要組成部分，切社會(huì)對(duì)其的應(yīng)用也十分廣泛，它不但在高速，隧道，橋梁等方面被廣泛應(yīng)用，而且也逐漸的被應(yīng)用于小區(qū)，停車場(chǎng)等方面，也在電子警察和違章拍照方面做出較大貢獻(xiàn)，介于車牌識(shí)別技術(shù)的廣泛應(yīng)用，越來(lái)越過(guò)的國(guó)家也都致力于對(duì)其的研究，同時(shí)也提出了一些較好的辦法。但是，單方面而言其流程大概一致，關(guān)鍵差別在于前端采集系統(tǒng)圖像的精度，和后端的算法處理。

2車牌識(shí)別系統(tǒng)的介紹

汽車牌照自動(dòng)識(shí)別系統(tǒng) 是智能交通系統(tǒng)的重要組成部分，是高科技的公路交通監(jiān)控管理系統(tǒng)的主要功能模塊之一。它在傳統(tǒng)的交通監(jiān)控技術(shù)的基礎(chǔ)上，引入了數(shù)字?jǐn)z像技術(shù)和計(jì)算機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)車輛圖像的采集和處理，獲得車輛的數(shù)字化信息，從而達(dá)到更高的智能化管理水平。它運(yùn)用車牌是車輛身份的唯一標(biāo)識(shí)的思想概念來(lái)智能識(shí)別和統(tǒng)計(jì)車輛，涉及圖像的捕捉、處理、理解和記錄等技術(shù)。其中車牌識(shí)別又可以依據(jù)針對(duì)的方向不同可以分為車輛圖片識(shí)別，和視頻車牌號(hào)識(shí)別，其中車輛圖片識(shí)別主要針對(duì)單張圖片進(jìn)行抓拍處理，識(shí)別圖片中的車牌號(hào)碼，而視頻車牌號(hào)識(shí)別則主要應(yīng)用于高速公路收費(fèi)，交通治安，闖紅燈系統(tǒng)，小區(qū)或是停車場(chǎng)的監(jiān)控系統(tǒng)中，兩項(xiàng)程序都可以清晰的捕捉圖像，并適用于win98,2000,XP,等系統(tǒng)，適用較為方便快捷，下圖是車牌識(shí)別系統(tǒng)流程。

圖1 車牌識(shí)別系統(tǒng)流程

Fig 1 License plate recognition system process

3圖像字符分割

在車牌識(shí)別的整個(gè)過(guò)程中，為了達(dá)到字符識(shí)別的目標(biāo)從提取的車牌圖像中分割出字符的工作室必不可少的，閥值分割，目標(biāo)與背景區(qū)別，車牌字符傾斜校正，單個(gè)字符切割以及字符的歸一化都是圖像字符分割的主要工作。

車牌圖像閥值分割：閥值分割主要是基于像素的一種圖像分割方法，主要目的是選擇一個(gè)合適的灰度值T將圖像所有的灰度值相比較，大于T和小于T的分別歸類，在識(shí)別系統(tǒng)中圖像經(jīng)過(guò)預(yù)處理，質(zhì)量有所提高，且背景干擾不嚴(yán)重我們通常使用最大類間方差法（Otsu法）進(jìn)行分割其方法原理如下：

設(shè)數(shù)字圖像的灰度級(jí)（G=1,2，…，L)處在灰度級(jí)i的所有像素用i表示，總的像素N可表示為：

設(shè)Pi表示圖像中灰度級(jí)為i出現(xiàn)的概率，且定義為：

,

將圖像中的像素按灰度級(jí)用閥值T劃分為兩類C0和C1，則兩類出現(xiàn)的概率分布為：

有時(shí)，由于存在一些背景的干擾，用Otsu方法求得的閥值進(jìn)行分割不能最好的起到保留車牌字符的效果所以根據(jù)調(diào)差發(fā)現(xiàn)對(duì)于車牌的定位，當(dāng)在1.02~1.20時(shí)的分割效果比較好。

4 結(jié)論

該技術(shù)已經(jīng)越來(lái)越多的被應(yīng)用在不同的場(chǎng)合，越來(lái)越體現(xiàn)出該技術(shù)在高速公路監(jiān)控等系統(tǒng)中的重要地位，也是國(guó)內(nèi)為很多公司都致力于這項(xiàng)技術(shù)的原因，目前對(duì)于車牌識(shí)別技術(shù)仍存在諸多問(wèn)題，如：預(yù)處理過(guò)程中產(chǎn)生的誤差，車牌定位及字符的分割及識(shí)別，沒(méi)有用到車牌原有的顏色特征，都需要在研究的過(guò)程中進(jìn)一步的加以改進(jìn)。

第8篇：識(shí)別技術(shù)范文

關(guān)鍵詞：電信基礎(chǔ)設(shè)施；管道；智能化；流量識(shí)別；方案

中圖法分類號(hào)：X524 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2011)22-5354-02

1 問(wèn)題提出背景

在通信技術(shù)達(dá)發(fā)展的背景下，可以預(yù)見未來(lái)將是一個(gè)“全連接”的世界，不僅僅是手機(jī)與電腦，所有的終端都會(huì)通過(guò)網(wǎng)絡(luò)連接起來(lái)，而這個(gè)“全連接”世界的基石就是電信基礎(chǔ)設(shè)施，即我們所說(shuō)的“管道”。

在對(duì)產(chǎn)業(yè)價(jià)值鏈的整合過(guò)程中，歷經(jīng)了運(yùn)營(yíng)商主導(dǎo)而目前到了內(nèi)容提供商為主導(dǎo)的互聯(lián)網(wǎng)時(shí)代，二者的關(guān)系也歷經(jīng)由主從―競(jìng)合--競(jìng)爭(zhēng)的演變過(guò)程，大量的社交網(wǎng)站、移動(dòng)QQ流量、視屏等在線業(yè)務(wù)已經(jīng)說(shuō)明了網(wǎng)絡(luò)流量被內(nèi)容提供商低價(jià)占用的事實(shí)。要想在價(jià)值鏈上占據(jù)有利的主導(dǎo)地位，運(yùn)營(yíng)商應(yīng)該徹底放棄以前賺流量不賺錢或者二者不匹配增加的做法，通過(guò)對(duì)網(wǎng)絡(luò)在用在途流量進(jìn)行分類分級(jí)，依靠‘智能管道’奪回在產(chǎn)業(yè)價(jià)值鏈上主導(dǎo)權(quán)。而要做到“管道智能化”的前提是能夠識(shí)別與區(qū)分各種網(wǎng)絡(luò)數(shù)據(jù)流量。

2 各種業(yè)務(wù)流量識(shí)別技術(shù)措施的優(yōu)劣比較

對(duì)運(yùn)營(yíng)商無(wú)效益流量的識(shí)別是實(shí)現(xiàn)后續(xù)數(shù)據(jù)屏蔽與流量分級(jí)管理、分類計(jì)費(fèi)的基礎(chǔ)，常用的業(yè)務(wù)識(shí)別方法主要有以下幾種：一是特征匹配方法（如端口匹配方法、關(guān)鍵字P2P流量識(shí)別、通信對(duì)端IP地址的數(shù)量、大于1024的TCP/UDP端口數(shù)識(shí)別），即通過(guò)對(duì)運(yùn)營(yíng)商網(wǎng)上業(yè)務(wù)流量進(jìn)行研究分析，確定對(duì)運(yùn)營(yíng)商無(wú)效益網(wǎng)絡(luò)流量的業(yè)務(wù)種類，總結(jié)出特定的一個(gè)或多個(gè)固定特征(如PPlive網(wǎng)絡(luò)電視端口：UDP 4004 端口：TCP 8008；)。在后續(xù)對(duì)網(wǎng)絡(luò)流量進(jìn)行檢測(cè)過(guò)程中，如果發(fā)現(xiàn)某一流量的特征與上述歸納出的特征一致，就斷定該流量屬于限制對(duì)象(如P2P流量)。但是為了規(guī)避運(yùn)營(yíng)商的監(jiān)管，內(nèi)容提供商會(huì)將無(wú)效益流量的特定特征進(jìn)行變化調(diào)整，如不用固定端口，采用動(dòng)態(tài)端口，通過(guò)軟件供用戶自設(shè)設(shè)置端口等等；例如BT、EDK，而使得端口匹配方法識(shí)別P2P流量歸于無(wú)效；二是協(xié)議分析方法，該方法只能適應(yīng)于基于標(biāo)準(zhǔn)協(xié)議的業(yè)務(wù)，如H.323語(yǔ)音/SIP電話等，待事實(shí)是為了應(yīng)對(duì)協(xié)議分析方法出現(xiàn)了各類私有協(xié)議，使得該法也陷于無(wú)用武之地；三是利用DPI技術(shù)，該法適用于識(shí)別業(yè)務(wù)層面有明顯特征的時(shí)候，如針對(duì)BT/PPStream流量業(yè)務(wù)等。此時(shí)對(duì)某一業(yè)務(wù)流量的研究是分析、判別、歸納出流量數(shù)據(jù)包中含有的或者出現(xiàn)頻率最高的特征字符串、特定凈荷即關(guān)鍵字，通常這些特征字符串、特定凈荷的出現(xiàn)是有固定規(guī)律的。我們DPI（深度包檢測(cè)）技術(shù)就是尋找出這些特征字符串、特定凈荷應(yīng)用在流量檢測(cè)過(guò)程中。一般采取的辦法是，如果關(guān)鍵字匹配成功，就可以認(rèn)為該流量對(duì)運(yùn)營(yíng)商無(wú)貢獻(xiàn)效益。可惜的是隨著規(guī)避技術(shù)的不斷變化發(fā)展，人們已經(jīng)發(fā)現(xiàn)，隨著軟件的運(yùn)行環(huán)境、軟硬件版本等的變化，關(guān)鍵字符串的部分或全部字節(jié)也隨著調(diào)整變化，另外該法也很難有效地運(yùn)用于有加密應(yīng)用的場(chǎng)合。

3 我們的流量識(shí)別技術(shù)模型與實(shí)驗(yàn)方案

經(jīng)過(guò)由上分析，采取以前的端口匹配法、DPI以及協(xié)議分析等業(yè)務(wù)識(shí)別方法中的一種已經(jīng)不適應(yīng)規(guī)避技術(shù)不斷變化的今天了。為此我們?nèi)诤狭烁鞣N流量識(shí)別技術(shù)方法，建立了以下業(yè)務(wù)識(shí)別分層模型見圖1。

3.1 系統(tǒng)構(gòu)成說(shuō)明

圖1 業(yè)務(wù)識(shí)別模型由數(shù)據(jù)采集層、協(xié)議分析層、流量識(shí)別（業(yè)務(wù)識(shí)別）層、業(yè)務(wù)識(shí)別應(yīng)用層和表現(xiàn)層等4部分構(gòu)成。

3.1.1 數(shù)據(jù)采集層

針對(duì)不同鏈路的數(shù)據(jù)如100/1000 Mbit/s、 FE、ATM、SDH等，該層面利用采集、鏡像、復(fù)制等技術(shù)，將業(yè)務(wù)數(shù)據(jù)完整、準(zhǔn)確、可靠地傳送協(xié)議分析層。

3.1.2 協(xié)議分析層

針對(duì)TCP/IP、非TCP/UDP（指采用非TCP/UDP傳送P2P數(shù)據(jù)流的情形）的協(xié)議利用本層進(jìn)行深入解析，向業(yè)務(wù)識(shí)別層提供足夠數(shù)量的分組頭部以及凈荷信息，用于上層對(duì)數(shù)據(jù)業(yè)務(wù)的識(shí)別和區(qū)分。其分析深度直達(dá)至TCP/IP協(xié)議棧的傳輸層，提供一個(gè)七元組流（stream）信息給上層，即源地址IP、目的地址IP、源數(shù)據(jù)端口、目的數(shù)據(jù)端口、接入方式、服務(wù)類型（TOS）和協(xié)議類型（TCP或者UDP）等。同時(shí)流信息中還應(yīng)該包含存放的部分凈荷，用以配置捕獲的凈荷大小。

3.1.3 流量識(shí)別（業(yè)務(wù)識(shí)別）層

作為本模型架構(gòu)的核心層，依據(jù)協(xié)議分析層提供的IP分組包的頭部信息、TCP/UDP的頭部信息及其凈荷信息等特征值流量識(shí)別層就可以有效識(shí)別出上層業(yè)務(wù)的類別，區(qū)分出業(yè)務(wù)類別對(duì)運(yùn)營(yíng)商是否具有效益。在識(shí)別、區(qū)分時(shí)就綜合運(yùn)用諸如端口匹配識(shí)別、協(xié)議分析匹配識(shí)別、凈荷特征識(shí)別等多種技術(shù)，還融入連接模式、拓?fù)浣Y(jié)構(gòu)特性、流量特性等特征識(shí)別引擎技術(shù)。該層提供上層接口七元組+業(yè)務(wù)類型的流信息，也采用流的定時(shí)存活機(jī)制等。

3.1.4 業(yè)務(wù)識(shí)別應(yīng)用層和表現(xiàn)層

針對(duì)下層已經(jīng)識(shí)別出來(lái)的不同流量業(yè)務(wù)類型，如新業(yè)務(wù)中的P2P業(yè)務(wù)、視頻業(yè)務(wù)、移動(dòng)IP業(yè)務(wù)、VoIP業(yè)務(wù)以及傳統(tǒng)業(yè)務(wù)中的超文本傳輸協(xié)議（HTTP）、電子郵件(EMAIL)、文件傳輸協(xié)議(FTP)等，本層可以進(jìn)行進(jìn)一步的深度分析：如業(yè)務(wù)性能的分析、實(shí)時(shí)追蹤業(yè)務(wù)會(huì)話的過(guò)程、網(wǎng)絡(luò)流量異常檢測(cè)與預(yù)警、網(wǎng)絡(luò)資源優(yōu)化規(guī)劃與調(diào)整等功能。表現(xiàn)層面則將流量的參數(shù)與特征按照?qǐng)D表化的表現(xiàn)，如各種業(yè)務(wù)的比例關(guān)系、業(yè)務(wù)對(duì)網(wǎng)絡(luò)的帶寬占用情況、業(yè)務(wù)流量的流向特征表現(xiàn)出來(lái)。

3.2 模型和算法驗(yàn)證

按照以上模型，我們將自行設(shè)計(jì)開發(fā)的寬帶IP骨干網(wǎng)流量精細(xì)化分析系統(tǒng)應(yīng)用在了瑞安電信的2條10 Gbit/s PoS骨干鏈路上進(jìn)行模擬驗(yàn)證分析。首先我們利用分光的思路對(duì)10 Gbit/s流量負(fù)載進(jìn)行均衡分流，各個(gè)業(yè)務(wù)識(shí)別處理機(jī)用于實(shí)現(xiàn)業(yè)務(wù)識(shí)別的算法，對(duì)流經(jīng)寬帶網(wǎng)絡(luò)上的IP\TCP\UDP分組包進(jìn)行流信息的取樣、分析、識(shí)別和區(qū)分。其拓?fù)浣Y(jié)構(gòu)方式如圖2所示。

通過(guò)對(duì)在以上網(wǎng)絡(luò)我們進(jìn)行各種現(xiàn)有已知特征或關(guān)鍵字的網(wǎng)絡(luò)流量進(jìn)行了實(shí)地運(yùn)行與設(shè)定測(cè)試，結(jié)果發(fā)現(xiàn)，該網(wǎng)絡(luò)流量識(shí)別系統(tǒng)對(duì)于各類網(wǎng)絡(luò)業(yè)務(wù)識(shí)別準(zhǔn)確率能夠達(dá)到93％以上，對(duì)網(wǎng)絡(luò)電話業(yè)務(wù)的識(shí)別準(zhǔn)確率高達(dá)100％，體現(xiàn)出模型設(shè)計(jì)的正確性與算法的有效性、準(zhǔn)確性。

4 結(jié)束語(yǔ)

本設(shè)計(jì)融合利用目前大家熟知的幾種不同的網(wǎng)絡(luò)流量識(shí)別技術(shù)提出針對(duì)下一代網(wǎng)絡(luò)的網(wǎng)絡(luò)業(yè)務(wù)類別識(shí)別模型，經(jīng)過(guò)在網(wǎng)上模擬試驗(yàn)與實(shí)際應(yīng)用，本模型及算法有著相當(dāng)高的兼容性與準(zhǔn)確度，同時(shí)如果借助于各種應(yīng)用開發(fā)界面，也可以實(shí)現(xiàn)輕松實(shí)現(xiàn)與運(yùn)營(yíng)商的有關(guān)應(yīng)用接口的對(duì)接，方便電信網(wǎng)絡(luò)運(yùn)營(yíng)商對(duì)寬帶IP業(yè)務(wù)流量進(jìn)行深度管理，達(dá)到網(wǎng)絡(luò)“管道”分級(jí)分類與優(yōu)化調(diào)度、智能化管理的目的，為電信網(wǎng)絡(luò)運(yùn)營(yíng)商整合產(chǎn)業(yè)價(jià)值鏈、重新爭(zhēng)得價(jià)值鏈上的主導(dǎo)地位助力。

參考文獻(xiàn)：

[1] 華為科技有限公司.NetStream技術(shù)白皮書[C].華為公司培訓(xùn)資料,2007.

[2] 林闖,單志廣,任豐原.計(jì)算機(jī)網(wǎng)絡(luò)的服務(wù)質(zhì)量(QoS)[M].北京:清華大學(xué)出版社,2004．

[3] 謝希仁.計(jì)算機(jī)網(wǎng)絡(luò)[M].北京:電子工業(yè)出版社,2002.

[4] 吳功宜.計(jì)算機(jī)網(wǎng)絡(luò)高級(jí)教程[M].北京:清華大學(xué)出版社,2007.

[5] 吳功宜.網(wǎng)絡(luò)安全高級(jí)軟件編程技術(shù)[M].北京:清華大學(xué)出版社,2007.

[6] Douglas er.用TCP/IP進(jìn)行網(wǎng)際互連(第一卷:原理、協(xié)議與結(jié)構(gòu)第四版)[M].北京:電子工業(yè)出版社,2003.

[7] 林闖,單志廣,任豐原.計(jì)算機(jī)網(wǎng)絡(luò)的服務(wù)質(zhì)量(QoS)[M].北京:清華大學(xué)出版社,2004.

第9篇：識(shí)別技術(shù)范文

關(guān)鍵詞：射頻識(shí)別 通信基站 手機(jī)支付 無(wú)線通信

一、引言

在一些手機(jī)通信技術(shù)方面，以往使用的單一的通信網(wǎng)路，在一些程序傳輸和互聯(lián)網(wǎng)上面的應(yīng)用居多。但是在設(shè)備的使用資源固定，要求越來(lái)越高的同時(shí)，對(duì)于衛(wèi)星接收信號(hào)的使用人數(shù)也逐年增加，該網(wǎng)路的資源已經(jīng)無(wú)法滿足不斷擴(kuò)張的需求量，嚴(yán)重的導(dǎo)致網(wǎng)路信號(hào)的不理想，甚至出現(xiàn)接收通信信號(hào)的癱瘓現(xiàn)象的發(fā)生。因此對(duì)于這樣的情況要急切的尋找一種代替的無(wú)線通信網(wǎng)絡(luò)，來(lái)保證現(xiàn)有的網(wǎng)絡(luò)環(huán)境的穩(wěn)定性。同時(shí)在現(xiàn)階段，使用手機(jī)的用戶不斷的增加，利用手機(jī)進(jìn)行金融交易的情況也不斷的增加，需要在通信中有安全穩(wěn)定的環(huán)境才能保證手機(jī)支付的順利進(jìn)行。而射頻識(shí)別的方式可以很好的解決這個(gè)問(wèn)題。

二、射頻識(shí)別技術(shù)的發(fā)展

在整個(gè)地球的大氣分布中，有很多不均勻分布的細(xì)小介質(zhì)，這些介質(zhì)會(huì)在物理?xiàng)l件的影響下，形成巨大的載體物質(zhì)，就如空氣中的顆粒聚集起來(lái)形成的風(fēng)，以及還有一些云層，這些自然界的物理現(xiàn)象會(huì)對(duì)電子通信系統(tǒng)產(chǎn)生一定的干擾作用。在受到了不同的溫度、濕度、壓強(qiáng)等的變化時(shí)，這些空氣中的載體會(huì)出現(xiàn)不同的變化，對(duì)于單片機(jī)的發(fā)射就會(huì)起到很大的干擾作用，對(duì)于無(wú)線設(shè)備中發(fā)出的電磁波會(huì)出現(xiàn)嚴(yán)重的干擾現(xiàn)象，嚴(yán)重的時(shí)候電磁波信號(hào)都無(wú)法正常的使用。其中所說(shuō)的影響主要集中在對(duì)于電磁波的折射傳播影響。電磁波的發(fā)射是要依靠合理穩(wěn)定的載體向不同的方向發(fā)散出去，通常意義下我們定義這種行為為電磁波的射頻，射頻過(guò)程中的載體稱作為射頻媒介。當(dāng)電磁波在發(fā)出的過(guò)程中，所發(fā)散的頻率可以滿足借助載體的需要，電磁的分布量在對(duì)前端的發(fā)散中起到了決定作用，這樣的情況下可以實(shí)現(xiàn)超視距的無(wú)線對(duì)接信號(hào)的實(shí)施，在接收信號(hào)的一方可以根據(jù)信號(hào)的波段和頻率來(lái)分辨出信號(hào)源的變化。對(duì)于這種將大氣中的介質(zhì)作為信號(hào)傳播的載體，以及利用電磁效應(yīng)進(jìn)行電磁波的超視距傳輸模式稱作單片機(jī)系統(tǒng)的射頻識(shí)別。

三、基于射頻識(shí)別技術(shù)的手機(jī)支付

現(xiàn)階段，在手機(jī)支付平臺(tái)中使用RFID技術(shù)的方式主要有四種形式：NFC、eNFC、SIMpass、RF-SIM，這些方式也都是在射頻技術(shù)使用中不斷衍生發(fā)展出來(lái)的。NFC（Near Field Communication）近距離區(qū)域覆蓋通信是在區(qū)域范圍內(nèi)實(shí)現(xiàn)的射頻識(shí)別方式，通過(guò)與互聯(lián)網(wǎng)的連接過(guò)程中，不斷的將資源整合并處理信息資料，來(lái)完成通信的功能。在該技術(shù)中，手機(jī)中必須安裝有一個(gè)單一的電子傳導(dǎo)器，在具體的使用中也作為讀卡器進(jìn)行使用。在設(shè)計(jì)中規(guī)定，單一的讀卡器必須是意義對(duì)應(yīng)，也就是存在單一的解碼模式，不會(huì)出現(xiàn)不同點(diǎn)多個(gè)處理的方式。在較小的范圍內(nèi)，手機(jī)的感應(yīng)設(shè)備與外部的接收設(shè)備形成整套的識(shí)別系統(tǒng)，可以在點(diǎn)與點(diǎn)接觸中實(shí)現(xiàn)數(shù)據(jù)資料的快速傳輸。這利用在手機(jī)支付中就是用戶在發(fā)出金融交易指令之后，系統(tǒng)會(huì)根據(jù)信號(hào)的傳遞來(lái)實(shí)現(xiàn)單一的任務(wù)完成命令，不會(huì)有第三方的干預(yù)，有效的保證了手機(jī)支付的安全性和快捷性。但是同時(shí)需要指出的是，該射頻讀卡識(shí)別手機(jī)必須是特制的手機(jī)系統(tǒng)，一般的手機(jī)功能暫時(shí)不能支持這項(xiàng)服務(wù)。

目前這項(xiàng)技術(shù)在日韓被廣泛應(yīng)用。手機(jī)用戶憑著配置了支付功能的手機(jī)就可以行遍全國(guó)：他們的手機(jī)可以用作機(jī)場(chǎng)登機(jī)驗(yàn)證、大廈的門禁鑰匙、交通一卡通、信用卡、支付卡等等。eNFC 中的“e”代表“enhanced”即增強(qiáng)的意思，eNFC 也就是增強(qiáng) NFC 技術(shù)。它除了對(duì) NFC 技術(shù) 100%兼容以外，增強(qiáng)型還體現(xiàn)在包含了對(duì)其他兩種使用非常廣泛的 ISO 標(biāo)準(zhǔn)的支持，即：ISO 14443B 和 ISO 15693。eNFC 是將手機(jī)和智能卡結(jié)合起來(lái)，以 SIM 卡為核心，將智能卡應(yīng)用放在單芯片的 SIM卡中，而非接觸功能則由內(nèi)置于手機(jī)中的 NFC 芯片實(shí)現(xiàn)，并通過(guò) SWP 協(xié)議與 SIM 卡進(jìn)行通信。

SIMpass 是一種雙界面 SIM 卡支付方案，集成了天線及射頻芯片，支持接觸與非接觸兩個(gè)工作接口，接觸界面實(shí)現(xiàn) SIM 功能，非接觸界面實(shí)現(xiàn)支付功能，兼容多個(gè)智能卡應(yīng)用規(guī)范。RF-SIM 則是通過(guò)在 SIM 卡中內(nèi)置近距離識(shí)別芯片，擴(kuò)展了傳統(tǒng)手機(jī) SIM 卡的功能。RF-SIM 可安裝在手機(jī)上實(shí)現(xiàn)近距離無(wú)線通信，通信距離可在 10-500cm 自動(dòng)調(diào)整，單向支持 100M，其工作頻率為 2.4GHz。但該技術(shù)不支持 ISO14443。

整個(gè)RFID體系是由電路組成的，控制系統(tǒng)其實(shí)就是線路上的終端，電路的順暢運(yùn)行就是操作的必要條件。在控制單片機(jī)電路中一般是由電源開關(guān)、控制按鍵、信號(hào)指示燈、電源聯(lián)接器、高壓電機(jī)組成。但是不管什么樣的電路，是復(fù)雜還是簡(jiǎn)單，原理都是大體相同的，這些聯(lián)接方式都已經(jīng)形成了定式，如延時(shí)電路、聯(lián)鎖電路、順控電路等。簡(jiǎn)單的電路就是通過(guò)一些簡(jiǎn)單的聯(lián)接起到控制的作用，但是在復(fù)雜的電路中，就沒(méi)有想象的那么簡(jiǎn)單，但是目的也就只有一個(gè)，就是起到控制的作用，只是在操控上存在復(fù)雜的線路布置。

局域RFID信息系統(tǒng)中，單片機(jī)控制起到了決定性的作用，它也是完全的智能化的操作系統(tǒng)，只要操作人員時(shí)刻關(guān)注儀表盤上的數(shù)值指示，再在操作臺(tái)上對(duì)于安全信號(hào)的資源進(jìn)行適當(dāng)?shù)目刂凭湍芎芎玫耐瓿扇蝿?wù)。在手機(jī)支付平臺(tái)中，存在幾個(gè)重要的問(wèn)題。首先就是對(duì)于識(shí)別網(wǎng)絡(luò)設(shè)置的安全，利用手機(jī)運(yùn)營(yíng)商和銀行之間對(duì)公網(wǎng)絡(luò)的相互連接，可以將安全的通道固定在兩個(gè)終端之間，用戶在進(jìn)行線上交易中，就不再會(huì)受到第三方的侵?jǐn)_，形成了合理、有效的交易環(huán)境。

基于RFID技術(shù)的手機(jī)支付設(shè)計(jì)是在以往傳統(tǒng)的程序設(shè)計(jì)理念上加上了更多的計(jì)算機(jī)數(shù)據(jù)編程，是一種更加科學(xué)的現(xiàn)代化識(shí)別控制手段。為在交易安全中也得到了很好的優(yōu)化，也能使網(wǎng)絡(luò)安全達(dá)到更好、更高的要求。

四、結(jié)束語(yǔ)

在未來(lái)的社會(huì)發(fā)展進(jìn)程中，信息化的使用會(huì)更加的多元化，對(duì)于電子信息設(shè)備的使用也會(huì)不斷的增長(zhǎng)，使用移動(dòng)電子支付的方式也會(huì)不斷的受到人們的青睞。如何更好的將手機(jī)支付功能與RFID相互結(jié)合就是需要不斷總結(jié)經(jīng)驗(yàn)。在本文中，我們就射頻識(shí)別的原理進(jìn)行了詳細(xì)的說(shuō)明，并對(duì)手機(jī)支付過(guò)程中如何結(jié)合射頻識(shí)別的方法進(jìn)行了闡述，通過(guò)在射頻識(shí)別的使用下，來(lái)保證手機(jī)支付的安全性和穩(wěn)定性。

參考文獻(xiàn)

[1] 金橋，曾嘉，劉陽(yáng)，等.RFID 技術(shù)在移動(dòng)電子商務(wù)中的應(yīng)用[J].電子技術(shù)應(yīng)用，2007，6（14）：90-91.