張譯方

摘 要：社會(huì)的發(fā)展以及城市化進(jìn)程的加快很大程度上促進(jìn)了交通事業(yè)的發(fā)展，世界各個(gè)國(guó)家擁有的車輛數(shù)量大幅度上升，道路交通擁堵現(xiàn)象受到人們的廣泛關(guān)注。因此，推進(jìn)交通管理的現(xiàn)代化進(jìn)程，要用現(xiàn)代化的技術(shù)手段對(duì)交通系統(tǒng)進(jìn)行管理，構(gòu)建全方位、動(dòng)態(tài)、高校的地面運(yùn)輸系統(tǒng)非常關(guān)鍵。智能交通系統(tǒng)（ITS）能夠很好地改善交通混亂的情況，提高運(yùn)輸效率的同時(shí)促進(jìn)安全性的提高。在智能交通系統(tǒng)中，車輛流量檢測(cè)系統(tǒng)占有非常重要的地位。結(jié)合圖像處理與圖像識(shí)別新技術(shù)，能夠進(jìn)一步優(yōu)化當(dāng)前的處理效率，提高交通管理質(zhì)量。本文主要對(duì)圖像處理與圖像識(shí)別技術(shù)在智能交通中的應(yīng)用進(jìn)行研究。

關(guān)鍵詞：圖像處理技術(shù)；圖像識(shí)別技術(shù)；智能交通系統(tǒng)（ITS）；應(yīng)用

智能交通系統(tǒng)（ITS）是隨著社會(huì)發(fā)展以及交通擁堵問(wèn)題日間嚴(yán)重應(yīng)運(yùn)而生的新的交通管理系統(tǒng)，針對(duì)我國(guó)當(dāng)前交通擁堵的問(wèn)題，修建更多的道路或者加寬道路遠(yuǎn)遠(yuǎn)無(wú)法達(dá)到目的，主要原因在于修建新道路等需要投入巨資，且受到城市空間的限制。智能交通系統(tǒng)是以各種信息技術(shù)為代表的高新技術(shù)在道路運(yùn)輸過(guò)程中的集成體現(xiàn)，是最為先進(jìn)的數(shù)據(jù)傳輸技術(shù)、計(jì)算機(jī)息息技術(shù)、處理以及和控制技術(shù)結(jié)合的管理系統(tǒng)，能夠很好的優(yōu)化人、車、環(huán)境與道路之間的關(guān)系，受到了各界的廣泛關(guān)注。

一、智能交通存在問(wèn)題概述

（一）車身顏色識(shí)別

盡管智能交通系統(tǒng)中相關(guān)問(wèn)題在實(shí)驗(yàn)室中取得了較為滿意的效果，尤其是車身之別中獲得較好的成效。但是這些結(jié)果都是基于實(shí)驗(yàn)室的理想環(huán)境而得到的。真正的智能交通管理系統(tǒng)面對(duì)的是自然環(huán)境，車身的識(shí)別會(huì)受到天氣、光線、灰塵、噪聲等多種因素的影響，識(shí)別率較低。視頻當(dāng)中運(yùn)動(dòng)過(guò)程中汽車顏色識(shí)別是交通管理系統(tǒng)中較為重視的研究方向。由于室外場(chǎng)景的顏色非恒定性，車身表面對(duì)光線反射方向不一樣、紋理不同以及不一樣攝像頭對(duì)于顏色的響應(yīng)也存在差異，導(dǎo)致目標(biāo)顏色的提取工作較為困難。影響顏色分類的因素有三種，分別是顏色的非恒定性、運(yùn)動(dòng)目標(biāo)不完成分割以及目標(biāo)本身顏色的復(fù)雜性。而能夠確保顏色在不同條件下保持恒定是車身顏色之別中面對(duì)的重點(diǎn)問(wèn)題。為了提高顏色的恒定性，前人通過(guò)對(duì)攝像頭進(jìn)行校準(zhǔn)，例如調(diào)整白平衡、顏色飽和度等提高精度，但是仍然難以解決實(shí)際中存在的眾多問(wèn)題，探討合理的處理基礎(chǔ)提高車輛顏色識(shí)別算法精度是首要解決的問(wèn)題。

（二）車身形狀識(shí)別

智能交通系統(tǒng)中車輛檢測(cè)算法發(fā)展到今天已有近半個(gè)世紀(jì)，但是仍然存在較多的因素影響到其對(duì)于車身識(shí)別的準(zhǔn)確性。首先是車輛本身在尺度、方向以及位置上存在的變化，例如行駛過(guò)程中的車輛均具有不一樣的速度，進(jìn)而其形狀、大小也會(huì)產(chǎn)生角度的變化；第二，車輛的外觀主要取決于當(dāng)前所處的角度，并且受到對(duì)照鄰近物體的影響。車輛與車輛之間的遮擋、光照條件變化均會(huì)對(duì)外觀產(chǎn)生影響。因此車輛檢測(cè)算法中車身識(shí)別率的要求還存在較大的差距，只有通過(guò)引進(jìn)先進(jìn)的圖像處理技術(shù)獲得更多的車身信息才有可能提高識(shí)別的準(zhǔn)確度。

二、圖像處理與圖像識(shí)別新技術(shù)在智能交通中的運(yùn)用與實(shí)踐

車輛車牌識(shí)別定位技術(shù)與字符識(shí)別技術(shù)是智能交通領(lǐng)域研究的熱點(diǎn)之一，車輛車牌識(shí)別技術(shù)作為交通管理中最為重要的環(huán)節(jié)之一，其主要任務(wù)是對(duì)汽車監(jiān)控圖像進(jìn)行分析和處理，自動(dòng)化對(duì)汽車車牌號(hào)進(jìn)行識(shí)別與管理?？蓮V泛在高速公路電子收費(fèi)站、失竊車輛查詢、公路流量監(jiān)控等重要場(chǎng)合中應(yīng)用。整體上而言，智能交通系統(tǒng)中涉及到的問(wèn)題非常多，包括車身顏色的識(shí)別、車標(biāo)的識(shí)別、車輛大小與外形識(shí)別、車牌的識(shí)別等。其中車牌自動(dòng)識(shí)別是非常重要的研究方向之一，主要由車牌的定位、分割以及字符識(shí)別等部分構(gòu)成。以下對(duì)圖像處理與圖像識(shí)別新技術(shù)應(yīng)用與車牌特征提取和車牌分割中的實(shí)踐進(jìn)行探討。

（一）車牌特征提取

1、車牌像素特征提取

車牌像素特征提取是最為簡(jiǎn)單的解決方式，進(jìn)行圖像掃描的過(guò)程中遇到黑色像素取值1、白色像素取值0，能夠得到維數(shù)與圖像中像素點(diǎn)個(gè)數(shù)相同的向量矩陣。但是該方法的適應(yīng)性較弱，還需要采取一系列增強(qiáng)適應(yīng)性的措施。

2、骨架特征提取

圖像線條粗細(xì)的差異會(huì)使之存在很大的差別，通過(guò)對(duì)線條統(tǒng)一寬度之后則差異變小，通過(guò)車牌的骨架作為特征進(jìn)行識(shí)別能夠提高適應(yīng)性。通過(guò)細(xì)化算法提取車牌骨架特征能，夠得到圖像特征向量矩陣，具有較好的適應(yīng)性。

3、車牌圖像特征點(diǎn)提取

車牌圖像特征點(diǎn)提取能夠較好地彌補(bǔ)其他方法適應(yīng)性不強(qiáng)的缺點(diǎn)，通過(guò)改進(jìn)得到的13點(diǎn)特征提取法還能夠減少字符傾斜造成的誤差。首先將字符平均分為8分，對(duì)其中黑色像素點(diǎn)的個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，作為8個(gè)象限的特征。然后對(duì)水平方向上中間2列、豎直方向中間2列的黑色像素點(diǎn)進(jìn)行統(tǒng)計(jì)，以所有的黑色像素點(diǎn)作為第13個(gè)特征。13點(diǎn)特征法的適應(yīng)性極強(qiáng)，但是由于特征點(diǎn)數(shù)量少，在進(jìn)行樣本訓(xùn)練的過(guò)程中難以收斂。除了上述提車牌特征提取方法之外，圖像處理與識(shí)別技術(shù)中還有梯度統(tǒng)計(jì)、弧度統(tǒng)計(jì)、角點(diǎn)提取等一系列特征向量提取方法。

（二）車牌分割

1、灰度轉(zhuǎn)化

通過(guò)車牌圖像定位最終能夠得到256色位圖圖像，但是這一圖像的內(nèi)容較為復(fù)雜，進(jìn)一步處理使用的算法無(wú)法展開，需要繼續(xù)進(jìn)行灰度轉(zhuǎn)化才能夠進(jìn)行下一步的應(yīng)用。灰度圖像所指的是圖像中每一個(gè)像素R、G、B值相等，而彩色圖像的每一個(gè)像素R、G、B值是不相等的，因此能夠顯示出各種顏色?；叶葓D像則不存在這些顏色差異，有的只是亮度的區(qū)別。同樣的灰度值較大的像素點(diǎn)亮為白色，反之就比較暗。

2、車牌圖像二值化

灰度轉(zhuǎn)換處理后圖像中每個(gè)像素都只有一個(gè)灰度值，其大小決定了亮度和暗度。通過(guò)二值化處理的目的在于將圖像中像素分化為兩種顏色。在智能交通系統(tǒng)中通過(guò)像素的灰度值處理成為黑白兩色，進(jìn)一步結(jié)合閾值法能夠得到轉(zhuǎn)化后的車牌圖像。

3、梯度銳化處理

智能交通管理系統(tǒng)中需要處理的圖像絕大多數(shù)由攝像頭拍攝，根據(jù)系統(tǒng)定位得到的。在大多數(shù)情況下車牌字體非常模糊，影響到識(shí)別工作的開展。在很多時(shí)候需要進(jìn)行銳化圖像，使模糊的圖像清晰。這一步驟還能夠去除相應(yīng)的噪聲，微分法與高通濾波法是應(yīng)用非常廣泛的圖像銳化處理技術(shù)，例如梯度銳化法就屬于微分法的一種。圖像的邊緣是由灰度級(jí)以及相鄰域點(diǎn)的不同像素點(diǎn)形成的，如果要增強(qiáng)邊緣就需要突出相鄰域點(diǎn)之間灰度級(jí)別的變化。采用微分運(yùn)算能夠得到信號(hào)的變化率，繼而增強(qiáng)高頻分量。將其應(yīng)用在圖像處理技術(shù)中，就能夠促使其輪廓變得清晰。但是在很多情況下無(wú)法實(shí)現(xiàn)對(duì)輪廓取向進(jìn)行確定，所以在選擇微分算子的時(shí)候盡可能使用不具備方向性、具備旋轉(zhuǎn)不變特性的線性算子。圖像處理技術(shù)中常用的微分法是求得梯度，利用差分運(yùn)算后圖像最后一行與一列的像素貼圖無(wú)法得知，通常就使用前一行、一列的梯度值近似替代。

4、去除離散的噪聲

在對(duì)車牌進(jìn)行定位的過(guò)程中已經(jīng)對(duì)部分噪聲進(jìn)行處理，但是該過(guò)程中的算法不適合處理字符圖像，在濾波過(guò)程中有著較大的可能性將字符像素去除。具體的算法為：先對(duì)整個(gè)車牌圖像進(jìn)行掃描，發(fā)現(xiàn)一個(gè)黑色點(diǎn)之后觀察與之間接過(guò)直接相聯(lián)系的黑色點(diǎn)的數(shù)量，如果超出一定值則提示非離散點(diǎn)，反之就屬于離散點(diǎn)，需要將其去除。

5、調(diào)整車牌傾斜度

即使車牌出現(xiàn)水平方向上的傾斜變化，其字符高度應(yīng)該是相同的。如果車牌字符像素的平均位置存在較大的差異，提示圖像有傾斜，同樣需要進(jìn)行調(diào)整。首先需要得到圖像左半邊與右半邊像素平均高度，求出斜率之后得到偏轉(zhuǎn)角，根據(jù)這一角度對(duì)圖像進(jìn)行重新組織。通過(guò)反算法在旋轉(zhuǎn)后水平字符符號(hào)圖像的位置上得到旋轉(zhuǎn)之前對(duì)應(yīng)位置坐標(biāo)，進(jìn)而得到相應(yīng)的值，通過(guò)這一關(guān)系可以編寫出算法對(duì)車輛進(jìn)行水平方向的旋轉(zhuǎn)，達(dá)到傾斜矯正的目的。

6、車牌圖像分割

車牌字符分割算法主要有垂直投影法、靜態(tài)邊界法以及連通區(qū)域法。這3種方法能夠確定車牌字符的邊界、分割得到車牌的清晰圖像，但是各存在其優(yōu)缺點(diǎn)。垂直投影法是利用字符塊在垂直方向上投影的特點(diǎn)開展的方法，從左至右檢測(cè)車牌坐標(biāo)垂直投影數(shù)值，認(rèn)定局部最小值為最左字符的邊界。然后從右到左檢測(cè)，得到的最小值為最右字符的邊界。但是“川”“W”“M”等字符出現(xiàn)過(guò)度切割的可能性較大，應(yīng)用垂直投影法的過(guò)程中應(yīng)當(dāng)事先確定好最小值和寬度閾值。靜態(tài)邊界法能夠利用車牌的模板特征進(jìn)行分割，但是由于對(duì)車牌定位要求過(guò)高，可能造成字符分割不差過(guò)大。連通區(qū)域法則是利用字符連通域的特點(diǎn)對(duì)車牌字符進(jìn)行切割，但是實(shí)際車牌中存在的噪聲區(qū)域較多，與字符線條連接在一起，難以獲得滿意的效果。

7、字符與位置歸一

對(duì)圖像中存在大小差異的字符進(jìn)行尺寸的統(tǒng)一處理，例如根據(jù)字符符號(hào)外框比例進(jìn)行線性縮小或放大，或者根據(jù)水平與垂直方向符號(hào)中像素分布進(jìn)行尺寸歸一處理。位置歸一化則是將字符號(hào)點(diǎn)陣圖形移動(dòng)到相應(yīng)的位置，消除字符點(diǎn)陣位置偏差。

結(jié)語(yǔ)

總而言之，圖像處理與圖像識(shí)別技術(shù)在智能交通系統(tǒng)中的應(yīng)用非常廣泛。本文首先對(duì)智能交通系統(tǒng)中存在車身顏色與車身形狀問(wèn)題進(jìn)行探討，隨后研究車牌特征提取與車牌分割的相關(guān)內(nèi)容，綜合車配分割方法的優(yōu)缺點(diǎn)，以期能夠優(yōu)化設(shè)計(jì)結(jié)構(gòu)，提高對(duì)車牌圖像與數(shù)字的識(shí)別率。在今后，智能交通系統(tǒng)中，圖像處理和識(shí)別技術(shù)在車牌識(shí)別應(yīng)用中還應(yīng)當(dāng)進(jìn)一步挖掘文字、數(shù)字以及字母的共同識(shí)別方式，尤其是當(dāng)前的識(shí)別技術(shù)對(duì)于漢字系統(tǒng)主要是印刷制品的識(shí)別，具體應(yīng)用在車牌上還不是很成熟，因此還需要加強(qiáng)對(duì)漢字識(shí)別的研究，進(jìn)一步提高車牌識(shí)別的準(zhǔn)確性。

參考文獻(xiàn)：

[1] 吳海燕，潘赟.視覺(jué)導(dǎo)航智能汽車路徑識(shí)別圖像處理算法研究[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，（3）：108-115.

[2] 王棚飛，劉宏哲，袁家政等.一種基于圖像匹配的地面交通標(biāo)志實(shí)時(shí)識(shí)別方法[J].計(jì)算機(jī)科學(xué)，2014，41（6）：317-323.

[3] 高揚(yáng)清，王黎，李金龍等.超聲相控陣PE檢測(cè)圖像缺陷定位算法研究[J].信息技術(shù)，2012，（6）：172-175.

[4] 李晉惠，趙建濤.一種圖像處理的汽車類型識(shí)別算法[J].西安工業(yè)大學(xué)學(xué)報(bào)，2009，29（3）：275-279.