“电子眼”中看AI技术

       自1997年应用使用电子眼以来，电子眼的技术更新日新月异，跟上了科技发展的步伐。电子眼通过车辆检测、光电成像、自动控制、网络通信、计算机等多种技术的应用，实现对机动车闯红灯、逆行、超速等违章行为的全天候监控。那么，我们来了解一下电子眼的运行模式。

       电子眼通过感应线感应地面机动车传来的压力，并采集储存数据。但是这个数据是临时的，它的生命周期是一个红灯周期。在一个红灯周期内，如果产生两次脉冲信号数据，则表明机动车闯红灯。如果只是前轮越线，只会产生一次数据，后轮越线，就会产生两次数据，执行拍照。

但另一种情况是，如果机动车一开始前轮越线，再退回到线内，也会产生两次脉冲数据，也会拍照。

       接收到拍照指令后，架设的高清摄像头或者数码相机就会拍照。而拍照并不是只拍违章的拍照。其中至少有3张，违章拍照、全景拍照、车牌拍照。并将这些照片传输到处理中心。

       处理中心会自动根据车牌照片识别出车牌号码，这里便应用了图片识别技术(车牌号码识别)。再根据车牌号查询车辆信息，人工审核后，录入到违章处理平台。这个时候我们便可以去查询违章了。

我们就此来谈一谈图像识别。

       图像识别有很多方法，包括统计法、结构法、神经网络法、模板匹配法和几何变换法等。而目前最热门的是人工神经网络算法。

人类大脑的思维分为逻辑抽象思维、直观形象思维和灵感顿悟思维三种基本方式，人工神经网络就是模拟人思维的第二种方式。神经网络特点在于信息的分布式存储和协同处理。

        神经网络需要学习，其中包括了浅层学习和深度学习，现阶段以深度学习作为发展方向。例如：我们要识别一个人的性别，我们会通过大量的男性、女性信息库，明确输出哪种属于男性，哪种属于女性，从易到难，从无到有，一层一层向上延伸，并通过侧面、正面、身体结构、脸部轮廓等信息来训练神经网络，由下至上补充学习，由上至下来监督学习。通过大量的标本学习，使神经网络拥有较高准确度。

       基于人工神经网络的智能机器人是AI的突出代表，因其具有超凡的学习能力，只会越来越聪明。