簡述機器視覺在交通中的應(yīng)用

隨著技術(shù)的發(fā)展，機器視覺技術(shù)在交通各領(lǐng)域都發(fā)揮著越來越重要，而且應(yīng)用廣泛。下面成都西旺小編為您講解機器視覺在交通中的應(yīng)用:

一、應(yīng)用于視頻檢測

視頻檢測是交通信息采集和交通事件檢測領(lǐng)域較新的技術(shù)，是一種融合視頻圖像處理、模式識別及數(shù)據(jù)通信等多項技術(shù)為一體的計算機視頻監(jiān)測技術(shù)。它的目標就是用數(shù)字圖像處理和計算機視覺技術(shù)，通過分析交通圖像序列來對車輛、行人等交通目標的運動進行檢測、定位、識別和跟蹤，并對目標的交通行為進行分析、理解和判斷，從而完成各種交通流數(shù)據(jù)的采集、交通事件的檢測，并盡快進行相應(yīng)處理。此檢測的準確性主要取決于目標物的準確獲取。首先對獲取的原始圖片進行預(yù)處理，去除原圖片的干擾噪聲，保留有用信息;其次進行運動目標的分割，通過當前圖像與背景圖像的相應(yīng)像素的灰度差異進行分割?？刹捎肙tsu閾值法，檢測規(guī)則為:

有了目標還應(yīng)該進行識別，需要對目標的特征進行提取和描述，如幾何特征、拓樸特征和紋理特征等;最后再考慮機器視覺中的場景標定因素，就可以對目標進行決策分類，完成目標檢測與識別。圖像處理的流程圖如所示。視頻的交通事件和參數(shù)檢測系統(tǒng)有高度的網(wǎng)絡(luò)化和智能化，實現(xiàn)了遠程監(jiān)控和設(shè)置。

圖表1-圖像處理流程圖

二、應(yīng)用于智能車輛安全保障系統(tǒng)

安全是圍繞汽車的永恒主題。隨著公路交通特別是高速公路交通的飛速發(fā)展，交通事故特別是惡性交通事故呈不斷上升趨勢，交通安全越來越受到廣泛關(guān)注。機器視覺系統(tǒng)在智能車輛研究領(lǐng)域應(yīng)用廣泛，主要用于路徑識別與跟蹤、障礙物識別、駕駛員狀態(tài)監(jiān)測、駕駛員視覺增強等。

目前，在智能車輛機器視覺領(lǐng)域研究中處于前沿的主要有德國的UBM大學(xué)、意大利Broggi教授領(lǐng)導(dǎo)的課題組、美國國際科技應(yīng)用公司等。德國UBM大學(xué)Dick-manns教授領(lǐng)導(dǎo)的智能車輛研究小組一直致力于動態(tài)機器視覺領(lǐng)域的研究，研制的EMS-Vision視覺可較好地模擬人眼功能。

三、應(yīng)用于識別車牌識別

車牌識別技術(shù)(VLPR)是計算機視覺和模式識別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項重要研究課題，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)。由于每一部汽車都有唯一的車牌號碼，通過攝像機所拍攝的車輛圖像進行車牌號碼的識別，能夠有效的了解路面的動態(tài)和每部汽車的適時情況。其步驟主要為獲取原圖像，圖像預(yù)處理，車牌定位，字符分割和字符識別。

隨著圖像處理技術(shù)的日趨成熟，更多算法的融入綜合，使得車牌識別技術(shù)逐漸成熟。單一算法很難達到良好的識別效果，只有多種方法結(jié)合，才能實現(xiàn)車牌識別的高效性和準確性。

四、應(yīng)用于前方道路邊界及車道標識識別

過去的10多年里，有些國家已經(jīng)成功開發(fā)了一些基于視覺的道路識別和跟蹤系統(tǒng)。其中，具有代表性的系統(tǒng)有：LOIS系統(tǒng)、GOLD系統(tǒng)、RALPH系統(tǒng)、SCARF系統(tǒng)和ALVINN系統(tǒng)等。近年來，國內(nèi)外一些學(xué)者又提出了很多基于視覺的道路邊界和車道標識識別方法。

概括地說，道路邊界及車道標識識別方法基本上可歸結(jié)為兩大類方法，一類為基于特征的識別方法，另一類為基于模型的識別方法?；谔卣鞯淖R別方法主要是結(jié)合道路邊界圖像的一些特征(顏色特征、灰度梯度特征等)從所獲取的圖像中識別出道路邊界?；谔卣鞯淖R別方法可分為：基于灰度特征和基于彩色特征的識別。目前應(yīng)用較多的是基于灰度特征的識別方法。