智能交通系统中图像识别技术的应用现状

【安防在线 www.anfang.cn】
　　图像识别技术介绍

　　在视觉、听觉和触觉的识别中，视觉图像识别有特别重大的意义。从信息论的角度来看，“图像”所包含的信息量最大，不仅有灰度，还有色彩;不仅有平面，还有立体等，其内容极为广泛。图像实际上是景物在仪器焦平面上的透视投影。人类识别图像的过程总是先找出它们外形或颜色的某些特征进行比较分析、判断，然后加以分门别类，即识别创门。同人类识别事物一样，要对事物进行观察、抓住特点、分析比较、去伪存真、加以判断，机器进行图像识别中也要对研究的图像进行信息获取、信息加工、特征抽取和比较判断分类。

　　图像识别技术是人类利用计算机对现实图像进行分析和理解的技术，研究这项技术，对于促进社会进步和人类自身发展有着重大意义。多年来，人们在图像识别领域取得了显著的成就，并将这项技术成功的应用在人们的日常生活当中。

　　图像识别是对预处理后的图像进行分类的方法。它可在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，最后根据测量结果作分类，这是利用图像处理技术及故障进行诊断的关键。

　　图像识别技术发展历史悠久，自20世纪50年代开始，人们便开始了对二维图像分析与识别技术的研究工作，当时的工作主要集中在诸如光学字符识别、工件

　　表面、显微图片和航空图片的分析和解释等工作上。60年代，人们开始进行三维结构的分析和三维机器视觉的研究工作，到了70年代，已经出现了一些视觉应用系统。直到今天，图像识别技术的新概念、新方法、新理论仍在不断的涌现，始终是一个非常活跃的领域。

　　现在人们已充分认识到图像处理和识别技术是认识世界，改造世界的重要手段。图像识别所研究的领域分布广泛，它可以是机械加工中零部件的识别、分类;可以是从遥感图片中辨别农作物、森林、湖泊和军事设施，以及判定农作物的长势，预测收获量等;可以使根据气象观测数据和气象卫星照片准确预报天气;根据石油勘探中的人工地震波提供有油的岩层结构;在高能物理实验中识别粒子径迹;医学诊断中根据x光照片判断是否发生癌肿：从心电图的波形判断被检查者是否患有心脏病;邮政系统中自动分拣信函;在繁华宽阔的交通中心实现交通管制、识别违章行驶的汽车及司机;以及机场上空空中交通管理等等。

　　上述这些都是图像识别的课题，看上去五花八门，种类繁多，但总的来说就是分类问题。它们所研究的对象，无非两类：一是有直觉形象的―图片、相片、图案、文字图样等，一是无直觉形象而有数据或信号的波形―语言、声音，心电图、地震波等。但对图像识别来说，无论是数据、信号或平面图形甚至物体，都是除掉它们各不相同的物理内容，考虑对它们进行“分类”这一点共性来研究的。针对这一共性，以统一的观点，把同一种共性者归为一类;另一种共性者归为一类，等等。至于类别的划分，大致有两种情况：一种是把对象特性以及对象所属的类别都加以说明，这样的过程一般是用机器来实现的，称为“学习过程”，然后对一个新的对象，分析它的特性，决定它属于哪一类。另一种分类情况称为“聚合”，就是只告诉若干对象和它们的特性，根据某种判据把特性相同的归为一类，而事先往往并不知道究竟分成多少类。

　　目前，图像识别技术广泛应用于机械、冶金、勘探、农业、造林、渔业、天文气象、医务、邮电、交通、公安，财务等部门以及许多工矿企业中。如今世界各国己经研制成多种多样的自动识别机和有视觉的机器人，利用这些识别机，可以自动识别小至癌细胞，大至资源勘探的地貌图等各种图像。所以图像识别的研究是非常有意义的。

　　图像识别技术在智能交通监控系统中的应用现状

　　图像识别技术在ITS中的应用领域非常广阔，包括道路识别、障碍物检测、车辆检测、车牌识别和车型识别等领域。

　　道路识别是智能车辆导航中一个具有挑战性的课题，是车辆导航的基础。由于道路情况非常复杂，为使问题简化，研究者们提出了许多关于道路模型的假设，包括道路曲线形状假设，道路宽度及边界平行假设，道路路面平坦假设，路面特征一致假设。目前主要采取下述方法：(l)基于区域的道路识别方法;(2)基于边缘的道路识别方法;(3)基于模板的道路识别方法;(4)基于图像滤波的道路识别方法。以上几种方法已经在实际应用中取得了较好的效果，促进了图像识别技术在智能交通监控系统中的实际应用。

　　同时，图像识别技术也被广泛应用于障碍物检测方面：障碍物可看成车辆前方道路上具有一定高度的物体，如车辆、交通标志、摩托车、自行车、行人等，其检测事关车辆驾驶的安全运行。目前主要有以下几种检测方法：(1)基于立体视觉的障碍物检测方法;(2)基于光流的障碍物检测方法;(3)基于背景运动估计的障碍物检测方法。以上几种检测方法，在国内外的智能交通监控系统中已经得到了实际应用，并取得了较好的效果。

　　车辆检测是自动交通监控系统的基本技术之一，只有从背景中准确地分割出车辆，才能进行车辆的识别与跟踪，才能进行各种交通流参数的测量与分析。因此，车辆检测是车辆计数、车速度、车流量、车密度等各种交通流参数测量的基础。目前主要有以下几种方法。(l)基于背景差法;(2)基于帧差法;(3)基于边缘检测法;(4)基于道路颜色模型法。以上的四种方法在实际车辆检测中得到了广泛的应用。

　　车牌的自动识别是图像识别技术在智能交通领域应用的重要研究方向之一，是实现交通管理智能化的重要环节。此项研究始于20世纪80年代，目前己成为国内外的一个热点研究方向。在世界范围内，机动车号牌是对车辆身份识别的惟一标记，尽管机动车号牌的字符、颜色、格式内容和制作材料多种多样，但机动车号牌仍是全球范围内精确和特定的识别标记。通过图像识别技术可以完成对车辆的自动识别，自动地对机动车身份进行认证，从而使车辆管理、流量控制、路口交费等实现高度自动化。车辆牌照(VLP，Vehiele’：LieensePlate)的自动识别是图像识别技术应用在智能交通领域的重要研究课题之一，是实现交通管理智能化的重要环节。VLP的粗流程包括图像采集、机动车号牌的提取、机动车号牌字符的分割以及机动车号牌字符的识别四大步骤：图像采集即通过摄像机或者照相机采拍车辆的前视图或后视图;机动车号牌的提取，是将机动车号牌在采拍的车辆图片中进行号牌定位并提取出来的过程;机动车号牌的分割即根据号牌特征分割号牌中的字符;机动车号牌识别即在分割后的号牌中，提取汉字及其他字符的特征并进行识别。VLP自动识别系统在道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、智能园区管理等方面有着广泛的应用前景，并具有巨大的经济价值。

　　车牌识别的最大特点在于它是在自然条件下进行的字符识别。车牌自动识别系统研究的困难之处在于，构成系统的环节较多，任何一个环节的失误都会影响系统的性能;而且所拍得的汽车图像质量好坏不均，车牌在汽车上的位置也不固定，这些因素都会给车牌自动识别带来困难。