在視覺、聽覺和觸覺的識別中，視覺圖像識別有特別重大的意義。從信息論的角度來看，“圖像”所包含的信息量最大，不僅有灰度，還有色彩;不僅有平面，還有立體等，其內容極為廣泛。圖像實際上是景物在儀器焦平面上的透視投影。人類識別圖像的過程總是先找出它們外形或顏色的某些特征進行比較分析、判斷，然后加以分門別類，即識別創門。同人類識別事物一樣，要對事物進行觀察、抓住特點、分析比較、去偽存真、加以判斷，機器進行圖像識別中也要對研究的圖像進行信息獲取、信息加工、特征抽取和比較判斷分類。
圖像識別技術是人類利用計算機對現實圖像進行分析和理解的技術，研究這項技術，對于促進社會進步和人類自身發展有著重大意義。多年來，人們在圖像識別領域取得了顯著的成就，并將這項技術成功的應用在人們的日常生活當中。
圖像識別是對預處理后的圖像進行分類的方法。它可在分割的基礎上選擇需要提取的特征，并對某些參數進行測量，再提取這些特征，最后根據測量結果作分類，這是利用圖像處理技術及故障進行診斷的關鍵。
圖像識別技術發展歷史悠久，自20世紀50年代開始，人們便開始了對二維圖像分析與識別技術的研究工作，當時的工作主要集中在諸如光學字符識別、工件
表面、顯微圖片和航空圖片的分析和解釋等工作上。60年代，人們開始進行三維結構的分析和三維機器視覺的研究工作，到了70年代，已經出現了一些視覺應用系統。直到今天，圖像識別技術的新概念、新方法、新理論仍在不斷的涌現，始終是一個非?；钴S的領域。
現在人們已充分認識到圖像處理和識別技術是認識世界，改造世界的重要手段。圖像識別所研究的領域分布廣泛，它可以是機械加工中零部件的識別、分類;可以是從遙感圖片中辨別農作物、森林、湖泊和軍事設施，以及判定農作物的長勢，預測收獲量等;可以使根據氣象觀測數據和氣象衛星照片準確預報天氣;根據石油勘探中的人工地震波提供有油的巖層結構;在高能物理實驗中識別粒子徑跡;醫學診斷中根據x光照片判斷是否發生癌腫：從心電圖的波形判斷被檢查者是否患有心臟病;郵政系統中自動分揀信函;在繁華寬闊的交通中心實現交通管制、識別違章行駛的汽車及司機;以及機場上空空中交通管理等等。
上述這些都是圖像識別的課題，看上去五花八門，種類繁多，但總的來說就是分類問題。它們所研究的對象，無非兩類：一是有直覺形象的—圖片、相片、圖案、文字圖樣等，一是無直覺形象而有數據或信號的波形—語言、聲音，心電圖、地震波等。但對圖像識別來說，無論是數據、信號或平面圖形甚至物體，都是除掉它們各不相同的物理內容，考慮對它們進行“分類”這一點共性來研究的。針對這一共性，以統一的觀點，把同一種共性者歸為一類;另一種共性者歸為一類，等等。至于類別的劃分，大致有兩種情況：一種是把對象特性以及對象所屬的類別都加以說明，這樣的過程一般是用機器來實現的，稱為“學習過程”，然后對一個新的對象，分析它的特性，決定它屬于哪一類。另一種分類情況稱為“聚合”，就是只告訴若干對象和它們的特性，根據某種判據把特性相同的歸為一類，而事先往往并不知道究竟分成多少類。
目前，圖像識別技術廣泛應用于機械、冶金、勘探、農業、造林、漁業、天文氣象、醫務、郵電、交通、公安，財務等部門以及許多工礦企業中。如今世界各國己經研制成多種多樣的自動識別機和有視覺的機器人，利用這些識別機，可以自動識別小至癌細胞，大至資源勘探的地貌圖等各種圖像。所以圖像識別的研究是非常有意義的。
圖像識別技術在智能交通監控系統中的應用現狀
圖像識別技術在ITS中的應用領域非常廣闊，包括道路識別、障礙物檢測、車輛檢測、車牌識別和車型識別等領域。
道路識別是智能車輛導航中一個具有挑戰性的課題，是車輛導航的基礎。由于道路情況非常復雜，為使問題簡化，研究者們提出了許多關于道路模型的假設，包括道路曲線形狀假設，道路寬度及邊界平行假設，道路路面平坦假設，路面特征一致假設。目前主要采取下述方法：
(1) 基于區域的道路識別方法;
(2) 基于邊緣的道路識別方法;
(3) 基于模板的道路識別方法;
(4) 基于圖像濾波的道路識別方法。
以上幾種方法已經在實際應用中取得了較好的效果，促進了圖像識別技術在智能交通監控系統中的實際應用。
同時，圖像識別技術也被廣泛應用于障礙物檢測方面：障礙物可看成車輛前方道路上具有一定高度的物體，如車輛、交通標志、摩托車、自行車、行人等，其檢測事關車輛駕駛的安全運行。目前主要有以下幾種檢測方法：
(1)基于立體視覺的障礙物檢測方法;
(2)基于光流的障礙物檢測方法;
(3)基于背景運動估計的障礙物檢測方法。
以上幾種檢測方法，在國內外的智能交通監控系統中已經得到了實際應用，并取得了較好的效果。
車輛檢測是自動交通監控系統的基本技術之一，只有從背景中準確地分割出車輛，才能進行車輛的識別與跟蹤，才能進行各種交通流參數的測量與分析。因此，車輛檢測是車輛計數、車速度、車流量、車密度等各種交通流參數測量的基礎。目前主要有以下幾種方法：
(1l) 基于背景差法;
(2) 基于幀差法;
(3) 基于邊緣檢測法;
(4) 基于道路顏色模型法。
以上的四種方法在實際車輛檢測中得到了廣泛的應用