很遗憾,因您的 浏览器版本过低导致无法获得浏览体验,推荐下 载安装谷歌浏览器!

机器视 觉技术图像处理在交通领域的应用

2018-04-25  来自: 昆山达 而远视觉自动化有限公司 浏览次数:143

早期图 像处理技术的应用范围受到图像处理设备价格昂贵以及处理速度缓慢的影响,仅局限于某些领域;及至70年代后至今,随着理 论的发展与集成电路革命造就计算机科技的进步,使得图 像处理的应用范围渐广。

美国于1978年由联 邦高速公路局委托E.E. Hilbert、C. Carl、W. Gross、G.R. Hanson、M.J. Olasaby及A.R. Johnson发展宽域检测系统(Wide Area Detection System , WADS),其它各国如日本、法国、英国、瑞典等也已陆续投 注了相当的研究,并有不错的成绩。相对于国外,国内将 图像处理技术应用于交通的发展,在近年 已经有相当程度的进步,如国内 目前相当热门的车牌识别,有多个 厂家推出了相应的产品。下面将 针对图像处理技术在交通上的应用分车辆检测、车种识别、车辆跟 踪三个部分做简单介绍。

1)、车辆检测

车辆检 测的方法可大致归类为样本点检测、检测线 检测以及全画面式检测等途径,另外针 对夜间车辆检测进行说明如下:

(1)、样本点检测

在车道 的某一部分选取类似矩阵的样本点,当车辆通过时,样本点 之灰阶值与原路面不同,若两者 相减的统计值超过某一门槛值,即表示车辆的存在。

(2)、检测线检测

此法是 于垂直或平行车流方向布设由象素组成之虚拟检测线,如图2所示。一般由亮点来组成,以方便 区隔路面与检测线的象素深度。当车辆通过检测线时,线上的 灰阶值与没有车辆通过路面时有差异;若灰阶 值的差异大于某门槛值,则表示有车辆通过。由于样 本点或检测线检测法仅撷取部分象素资料进行处理,处理的 资料量明显减少,因此运 算时间缩短许多;为了达到实时(Real-Time)检测的要求,目前已 实际运用于交通检测的图像处理系统AUTOSCOPE便是以检测线做处理。

在车辆 运行单纯的路段,以样本 点或检测线作为车辆检测的途径可获得不错的结果;但在复杂的路口内,如何布 设样本点或检测线将是首先遭遇的难题,因为路 口内车辆除直行外,尚有转向行为,任何位 置均可能有车辆出现。

(3)、全画面式检测

以全画 面作处理的车辆检测方法所能获得的信息较多,但相对 地要处理的资料量也明显增加许多。属于此 法的检测方式有背景相减法与二值化法两种:背景相 减法系取一张无车辆存在的图像作为背景,当含有 车辆的图像与背景图像逐点相减后,车辆的部分即被减出,如TRIP系统。二值化 法将图像以某一门槛值进行切割,象素深 度高于该值的成为255(白),低于该值者则变成0(黑),如此可 将物体与背景分离。

背景相 减法与二值化法均存在许多缺点,前者如 背景需要经常更新,后者则过程繁复,而二者 共同的缺点便是当物体颜色与背景相近时将面临切割失败的命运,此外,门槛值确立不易,故有多 值切割方法的提出,但过程益显复杂。

(4)、夜间车辆检测

国外R. Taktak、Rita Cucchiara、Cucchiara等人认 为由于夜间图像所具有的信息与白天图像相当的不同,因此在 算法的使用上与检测流程上会有相当程度的不同。一般而 言在夜间与较暗的照明度之下,醒目的 视觉特征为车头灯与其光柱、街灯以 及高度反射光线的型态(如斑马线)。他们认 为夜间图像并不适合用移动检测算法。

2)、车辆识别

(1)、车辆识别

由于国 内与国外交通组成的不同,国外的 研究仅对大车与小车两种作辨认,而国内则较复杂,但一般 研究均简化车种为大车、小车与机车,以此三类做识别。

以检测 线或样本点作为识别车种的途径时,由于所取资料量少,较不利于车种识别,故以此法进行者较少。就日间 图像的车辆识别来说通常以车辆的特征如:外型、尺寸为分类准则。相关文献整理如下。

近年发展迅速、应用到许多领域的“类神经网络(Neural Network)”也被应 用到车种的识别上。此外,亦可藉 由车辆牌照途径,将号码图像二值化,以特征 匹配的方式识别并记录该车牌号码,透过数据库的比对,每个号 码可对应于某一车种,可用于抓拍违章车辆、车辆计数、车种识别、起迄点 调查与旅行时间分析等。

(2)、车牌识别

车牌识 别的技术近年来在国内已经日趋成熟。有些学 者认为车牌识别可分三阶段:前处理,将图像 二值化后进行清除噪声。而后车牌定位,利用连接组件标示法,找出图 像中之连接组件加以分析,进而判断车牌位置。字符识别,分割字 符完毕后依文字大小设定结构组件之大小,后利用 型态学的方法找出文字特征加以比对。

还有一 些学者采用其它方法,如搜寻 车牌后以图素分割法切割字符住后利用类神经网络识别字符;或者利 用灰阶转换数之计算找出可能之车牌位置,再分割字符,在利用 笔划分析法识别字符;或者利 用图像中灰阶值之变化特性寻找车牌位置,在利用 垂直投影直方图分割字符,以灰阶 值关连度进行识别。

(3)、车辆跟踪

连续图像中,车辆轨 迹的记录即称为跟踪。Anthony P.Ciervo 先提出 以检测车辆并配合预测车辆位置的方式,连续跟踪车辆的轨迹。其中以 样本点或检测线方式做跟踪者,由于选 取的象素仅局限于某固定范围,处于被动状态,较不利跟踪之进行。N.Hoose便是以 各临近方向均为双向二车道的 T 字型路口为例,在进入 路口前及离开路口后之车道上布设横向检测线屏蔽(Mask),以记录 车辆进入与离开之临近方向编号,同时对 车辆在图像上的形状、大小与 位置等资料作记录,以跟踪车辆,但误差颇大。总结而言,车辆跟 踪的方法有下列四种:模式基础跟踪(Model based tracking)、区域基础跟踪(Region based tracking)、轮廓基础跟踪(Active contour based tracking)、   国外研 究文献中仅针对各车道的单一车辆进行跟踪,要了解 路口内车辆运作之机制,非得在 同时间针对路口内所有方向的车辆做跟踪处理不可,否则取 得的仅为残破的信息,对整体的助益有限。

关键词: 达而远视觉自动化           

昆山达 而远视觉自动化有限公司,专营 视觉检测设备 视觉附件 视觉系统 等业务,有意向 的客户请咨询我们,联系电话:0512-55252616

CopyRight (c) 版权所有: 昆山达 而远视觉自动化有限公司 网站地图 XML


扫一扫访问移动端
友情链接:    FG极速炸金花   火拼牛牛安全吗   十大时时彩正规平台   王者彩票   谦喜彩票