|
同時，視頻監(jiān)控與智能交通的融合運用也顯得尤為重要。現(xiàn)階段，智能交通系統(tǒng)中運用運用較多的有圖像識別技術(shù)、車聯(lián)網(wǎng)技術(shù)、車輛控制系統(tǒng)、交通管理系統(tǒng)、ETC一體多用等。 圖像識別多項技術(shù)在智能交通中的運用 智能交通最大的作用就是辨識與分析，圖像識別技術(shù)是人類利用計算機對現(xiàn)實圖像進行分析和理解的技術(shù)，研究這項技術(shù)，對于促進社會進步和人類自身發(fā)展有著重大意義。多年來，人們在圖像識別領(lǐng)域取得了顯著的成就，并將這項技術(shù)成功的應(yīng)用在人們的日常生活當(dāng)中。在ITS中的應(yīng)用領(lǐng)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(lǐng)域。 道路識別是智能車輛導(dǎo)航中一個具有挑戰(zhàn)性的課題，是車輛導(dǎo)航的基礎(chǔ)。由于道路情況非常復(fù)雜，為使問題簡化，研究者們提出了許多關(guān)于道路模型的假設(shè)，包括道路曲線形狀假設(shè)，道路寬度及邊界平行假設(shè)，道路路面平坦假設(shè)，路面特征一致假設(shè)。 目前主要采取下述方法：基于區(qū)域的道路識別方法、基于邊緣的道路識別方法、基于模板的道路識別方法、基于圖像濾波的道路識別方法。以上幾種方法已經(jīng)在實際應(yīng)用中取得了較好的效果，促進了圖像識別技術(shù)在智能交通監(jiān)控系統(tǒng)中的實際應(yīng)用。 車輛檢測是自動交通監(jiān)控系統(tǒng)的基本技術(shù)之一，只有從背景中準(zhǔn)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(shù)的測量與分析。因此，車輛檢測是車輛計數(shù)、車速度、車流量、車密度等各種交通流參數(shù)測量的基礎(chǔ)。 目前主要有以下幾種方法：基于背景差法、基于幀差法、基于邊緣檢測法、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(yīng)用。 車牌的自動識別是圖像識別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究方向之一，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)。在高清視頻技術(shù)的車牌識別系統(tǒng)中，采用視頻全區(qū)域動態(tài)檢測跟蹤技術(shù)，是目前智能交通計算機運算視覺最先進的技術(shù)。 對全部區(qū)域不同方向、不同速度移動的所有車輛或物體，進行不同角度、不同種類的復(fù)雜檢測，采用改進的濾波方法進行跟蹤，然后對行進軌跡或物體進行復(fù)雜交通規(guī)則判斷的綜合技術(shù)。通常這是采用了幀率差檢測和車牌檢測識別相結(jié)合的技術(shù)，可具備跟蹤車輛行駛軌跡的功能，這樣一來就可以判斷車輛直行、左轉(zhuǎn)、右轉(zhuǎn)等行駛方向。 目前，車牌識別技術(shù)具有四大應(yīng)用： 一、停車場及小區(qū)出入口 停車場及小區(qū)出入口車牌識別技術(shù)的應(yīng)用，主要用于記錄車輛的牌照號碼、車牌顏色、出入時間，實現(xiàn)車輛的自動管理，以便節(jié)省人力、提高效率；例如應(yīng)用于智能小區(qū)可以自動判別駛?cè)胲囕v是否屬于本小區(qū)，對非內(nèi)部車輛實現(xiàn)自動計時收費。在一些單位這種應(yīng)用還可以同車輛調(diào)度系統(tǒng)相結(jié)合，自動、客觀地記錄本單位車輛的出車情況。 為有效遏制城市內(nèi)車輛闖紅燈違章行為，現(xiàn)在城市內(nèi)各個路口都在大力安裝卡口式的闖紅燈違法行為的檢測系統(tǒng)，而此系統(tǒng)最重要的組成部分就是車牌識別模塊，車牌識別系統(tǒng)主要是確定違法車輛的信息。 通過抓拍所有車輛的車牌信息并和公安網(wǎng)的數(shù)據(jù)庫進行比對分析哪些車輛是可疑車輛，減少違法行為的同時也可以控制、減少道路交通事故，應(yīng)用道路監(jiān)控設(shè)備結(jié)合現(xiàn)代信息網(wǎng)絡(luò)技術(shù)，形成道路監(jiān)控智能化網(wǎng)絡(luò)系統(tǒng)，更好地提升道路動態(tài)管理/控制和滿足治安、刑偵、交通管理等新形勢的業(yè)務(wù)需求。 商機中帶來挑戰(zhàn)智能交通大步向前或遇"門檻" 由于我國汽車車牌識別的特殊性，不能直接引進國外的車牌識別技術(shù)，同時由于汽車車牌識別的復(fù)雜性，采用任何一種單一識別技術(shù)均難以奏效。在私家車劇增的現(xiàn)階段，商機中帶來挑戰(zhàn)，智能交通大步向前遇"門檻"。 1.由于自然環(huán)境下的路面情況比較復(fù)雜，導(dǎo)致采集到的車牌圖像背景復(fù)雜車體本身的干擾，如車輛生產(chǎn)廠家的標(biāo)志、車體廣告、個性車主在車體上的涂鴉等都給圖像造成了干擾，都可能會對處理造成影響。 2.由于采集誤差、噪聲和光線的影響，使得圖像質(zhì)量較差，而且運動又不同程度地造成了圖像的惡化，***產(chǎn)生了兒何變形，給圖像預(yù)處理造成了一定的困難。汽車牌照上目標(biāo)的大小不同，距離不等，目標(biāo)尺寸不規(guī)范，都存在著一定程度的圖像仿射變形和模糊大量的隨機噪聲的干擾，光線、光照角度的不同，造成車牌區(qū)域明暗灰度的無規(guī)律變化。 汽車速度往往也會對車牌識別有較大的影響，汽車速度超過70公里/小時，拍攝的汽車圖像會產(chǎn)生模糊、扭曲、變形。 3.中國的車輛牌照一般由三種字符組成：漢字、英文字符、阿拉伯?dāng)?shù)字，所以中國的車輛牌照識別遠(yuǎn)遠(yuǎn)難于國外的車輛牌照識別。另一方面，車牌具有不同的顏色，主要分為黃底黑字、藍底白字、黑底白字等三種，字符與車牌背景的灰度比也不一致。所識別的車輛種類繁多、車型、顏色變化多端，這些因素均給車牌識別增加了難度。 4.為了達到應(yīng)用的水平，必須要求能夠?qū)崟r地對過往車輛的車牌進行識別，因此算法不能過于復(fù)雜。而大多數(shù)的傳統(tǒng)方法計算量都偏大，根本無法達到實時的要求。這就要求要另辟蹊徑，尋求一種快速精確的定位和識別的方法。 5.在實際情況下由于各類車型不同，大小不同，同一車型的車牌位置不同，加上車身紋理線條復(fù)雜，所以在非車牌區(qū)域可能形成同車牌區(qū)域類似的色彩和紋理，可能導(dǎo)致定位時出現(xiàn)誤差�？焖贉�(zhǔn)確的找到車牌的位置是一個難題。 6.字符的粘連處理，字符斷裂時的合并，是字符分割的難點。 7.車牌識別時雖然車牌字符的字符數(shù)比較少，字體規(guī)范，但也可能導(dǎo)致標(biāo)準(zhǔn)的車牌字符與實際拍攝的車牌字符之間存在較大差距，致使模板的選取存在較大困難。 盡管如此，國內(nèi)的交通正在緩慢得到有效解決，無論是停車難、春運高峰、霧霾天氣等，安防監(jiān)控都積極創(chuàng)新，一路相隨。 (責(zé)任編輯：編輯J1) |
-->