簡(jiǎn)述機器視覺(jué)在交通中的應用

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

一、應用于視頻檢測

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、模式識別及數據通信等多項技術(shù)為一體的計算機視頻監測技術(shù)。它的目標就是用數字圖像處理和計算機視覺(jué)技術(shù)，通過(guò)分析交通圖像序列來(lái)對車(chē)輛、行人等交通目標的運動(dòng)進(jìn)行檢測、定位、識別和跟蹤，并對目標的交通行為進(jìn)行分析、理解和判斷，從而完成各種交通流數據的采集、交通事件的檢測，并盡快進(jìn)行相應處理。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(jìn)行預處理，去除原圖片的干擾噪聲，保留有用信息;其次進(jìn)行運動(dòng)目標的分割，通過(guò)當前圖像與背景圖像的相應像素的灰度差異進(jìn)行分割?？刹捎肙tsu閾值法，檢測規則為:

有了目標還應該進(jìn)行識別，需要對目標的特征進(jìn)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(jué)中的場(chǎng)景標定因素，就可以對目標進(jìn)行決策分類(lèi)，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檢測系統有高度的網(wǎng)絡(luò )化和智能化，實(shí)現了遠程監控和設置。

圖表1-圖像處理流程圖

二、應用于智能車(chē)輛安全保障系統

安全是圍繞汽車(chē)的永恒主題。隨著(zhù)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(lái)越受到廣泛關(guān)注。機器視覺(jué)系統在智能車(chē)輛研究領(lǐng)域應用廣泛，主要用于路徑識別與跟蹤、障礙物識別、駕駛員狀態(tài)監測、駕駛員視覺(jué)增強等。

目前，在智能車(chē)輛機器視覺(jué)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)導的課題組、美國國際科技應用公司等。德國UBM大學(xué)Dick-manns教授領(lǐng)導的智能車(chē)輛研究小組一直致力于動(dòng)態(tài)機器視覺(jué)領(lǐng)域的研究，研制的EMS-Vision視覺(jué)可較好地模擬人眼功能。

三、應用于識別車(chē)牌識別

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

隨著(zhù)圖像處理技術(shù)的日趨成熟，更多算法的融入綜合，使得車(chē)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，只有多種方法結合，才能實(shí)現車(chē)牌識別的高效性和準確性。

四、應用于前方道路邊界及車(chē)道標識識別

過(guò)去的10多年里，有些國家已經(jīng)成功開(kāi)發(fā)了一些基于視覺(jué)的道路識別和跟蹤系統。其中，具有代表性的系統有：LOIS系統、GOLD系統、RALPH系統、SCARF系統和ALVINN系統等。近年來(lái)，國內外一些學(xué)者又提出了很多基于視覺(jué)的道路邊界和車(chē)道標識識別方法。

概括地說(shuō)，道路邊界及車(chē)道標識識別方法基本上可歸結為兩大類(lèi)方法，一類(lèi)為基于特征的識別方法，另一類(lèi)為基于模型的識別方法?；谔卣鞯淖R別方法主要是結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。目前應用較多的是基于灰度特征的識別方法。