佀君淑 張建文

摘要：伴隨著交通的發(fā)展，圖像處理技術(shù)在智能交通領(lǐng)域得到了廣泛的應(yīng)用與發(fā)展。本文主要探究了智能交通領(lǐng)域中常見的圖像處理技術(shù)與方法。首先對交通圖像處理技術(shù)進(jìn)行了介紹；其次，針對車牌自動識別和運動車輛檢測技術(shù)中的常用方法進(jìn)行了綜述與比較；最后，在此基礎(chǔ)上進(jìn)行了研究展望，為進(jìn)一步研究智能交通領(lǐng)域的圖像處理技術(shù)奠定基礎(chǔ)。

關(guān)鍵詞：交通信息；圖像處理技術(shù)；視頻處理技術(shù)

隨著現(xiàn)代工業(yè)的迅速發(fā)展，中國汽車保有量呈快速增長趨勢。汽車的普及在給人們帶來極大便利的同時，也帶來了擁堵、事故、環(huán)境污染等問題。為提高交通運輸效率及安全性、減少擁堵，智能交通系統(tǒng)（Intelligent Transport System， ITS）應(yīng)運而生。ITS是一個多學(xué)科和多技術(shù)的交通運輸和管理綜合化系統(tǒng)工程，是將信息技術(shù)、數(shù)據(jù)通訊技術(shù)、控制技術(shù)、人工智能技術(shù)、圖像處理技術(shù)等有效地綜合運用于整個交通體系，可以在大范圍內(nèi)、全方位、實時發(fā)揮作用，提高交通運輸效率，保障交通安全性，緩解擁堵問題，從而實現(xiàn)交通運輸與管理的智能化[1]。

在智能交通領(lǐng)域，交通信息的采集是確保智能交通系統(tǒng)高效運行的關(guān)鍵環(huán)節(jié)。由于圖像是一種直觀有效的信息展示與傳遞方式，近年來數(shù)字圖像處理技術(shù)（Digital Image Processing）在智能交通領(lǐng)域得到了廣泛應(yīng)用。智能交通系統(tǒng)通過采集圖像的方式獲取車輛、道路等交通信息，進(jìn)而對圖像進(jìn)行進(jìn)一步分析，可以獲得速度、車輛排隊長度、車輛數(shù)量等有價值的交通信息，從而實現(xiàn)對交通系統(tǒng)的控制。目前圖像處理技術(shù)在智能交通中的主要應(yīng)用有車牌識別、運動車輛檢測及跟蹤、闖紅燈檢測、交通流參數(shù)檢測等[2]。

1 車牌自動識別技術(shù)

近年來，機(jī)動車牌自動識別技術(shù)在住宅小區(qū)安保管理、停車場收費、超速抓拍等方面得到了廣泛應(yīng)用。車牌識別系統(tǒng)（License Plate Recognition，LPR）是指對受監(jiān)控路面的車輛進(jìn)行牌照信息自動提?。ê瑵h字字符、英文字 母、阿拉伯?dāng)?shù)字及號牌顏色）并進(jìn)行處理的技術(shù)。

車牌識別系統(tǒng)的基本工作原理是，當(dāng)車輛通過檢測位置時，檢測裝置被觸發(fā)，啟動數(shù)字?jǐn)z像設(shè)備獲取車牌的正面圖像，進(jìn)而將圖像上傳至計算機(jī)管理系統(tǒng)，通過軟件算法對車牌上的漢字、字母、數(shù)字等符號進(jìn)行自動識別[3]。通常，識別軟件為整個系統(tǒng)的核心部分，主要包括圖像預(yù)處理、車牌定位、車牌校正、字符分割和字符識別等環(huán)節(jié)。其中，圖像預(yù)處理是指在對圖像進(jìn)行識別處理之前，首先需要對圖像進(jìn)行色彩空間變換、直方圖均衡、濾波等一系列預(yù)處理，以消除環(huán)境影響；車牌定位是指對圖片進(jìn)行二值化、形態(tài)學(xué)處理結(jié)合車牌特征獲得車牌的具體位置；車牌校正是指對車牌進(jìn)行角度的校正，從而消除拍攝角度傾斜的影響；字符分割是指通過投影計算獲取每一個字符的寬度，進(jìn)而對車牌分割，獲取單一字符；字符識別是指采用模板匹配對每一個字符進(jìn)行識別，得出車牌識別結(jié)果。

2 運動車輛檢測技術(shù)

基于視頻的運動車輛檢測技術(shù)采用攝像頭對道路進(jìn)行拍攝，對得到的圖像序列進(jìn)行處理進(jìn)而獲取運動目標(biāo)。但現(xiàn)實情況中，由于天氣條件、光照情況等因素的影響，運動車輛檢測是一項相當(dāng)復(fù)雜的工作。針對這項技術(shù)，常用的方法有：

2.1 背景差分法

背景差分法的關(guān)鍵思想是建立背景模型，將當(dāng)前幀與背景模型進(jìn)行差分運算及二值化，即可得前景目標(biāo)圖像。該方法運算簡單，速度快，滿足系統(tǒng)實時性的要求，但由于背景圖像受環(huán)境等外界因素影響較大，所以需要對背景圖像進(jìn)行實時更新，否則將會影響運動目標(biāo)檢測的準(zhǔn)確性。

2.2 幀差法

幀差法的基本原理是利用圖像序列相鄰幀像素的變化進(jìn)行目標(biāo)檢測、并對差分結(jié)果進(jìn)行閾值二值化處理，從而得到運動目標(biāo)[4][5]。該方法算法簡單，適合應(yīng)用于實時檢測系統(tǒng)。但該方法對環(huán)境噪聲比較敏感，且對于運動緩慢、體積較大的運動目標(biāo)，檢測結(jié)果可能會產(chǎn)生目標(biāo)內(nèi)部空洞現(xiàn)象，從而降低運動目標(biāo)檢測的準(zhǔn)確性。

3 研究展望

盡管當(dāng)下圖像處理技術(shù)在智能交通系統(tǒng)中已經(jīng)得到了廣泛應(yīng)用，且取得了較好的效果，但在以下幾個方面仍然有極大的研究價值。

3.1 惡劣天氣影響研究

近年來霧霾天氣多發(fā)，對圖像采集產(chǎn)生很大影響，進(jìn)而影響圖像處理結(jié)果。分析研究霧霾天氣下的圖像特征，并探究有效的噪聲去除方法，是當(dāng)下圖像處理和智能交通領(lǐng)域亟待研究的一個新問題。

3.2 背景更新

在利用背景差法進(jìn)行運動目標(biāo)檢測時，背景圖像提取的準(zhǔn)確性直接影響檢測的準(zhǔn)確性。而背景圖像對環(huán)境敏感，會隨光線、天氣等因素變化而改變，因此如何對背景圖像進(jìn)行提取及實時更新，消除累積誤差，使其與真實背景更接近是一個值得探究的問題。

3.3 運動目標(biāo)跟蹤

在運動目標(biāo)檢測中，對運動目標(biāo)的跟蹤一直是算法復(fù)雜度較高且較難實現(xiàn)的一個問題。由于目標(biāo)處于運動狀態(tài)，其相對于攝像機(jī)的位置不斷變化，因此采集到的目標(biāo)尺寸、灰度、形狀等都會發(fā)生復(fù)雜改變，如何對動態(tài)變化的目標(biāo)進(jìn)行準(zhǔn)確識別及跟蹤，是運動檢測領(lǐng)域的一個研究重點。

參考文獻(xiàn)：

[1]黃衛(wèi)，陳里得.智能運輸系統(tǒng)（ITS）概論[M].人民交通出版社，1999.

[2]李文舉.智能交通中圖像處理技術(shù)應(yīng)用的研究[D].大連海事大學(xué)，2005.

[3]石紅蘭.基于圖像處理的車牌識別系統(tǒng)的研究與實現(xiàn)[J].機(jī)電信息，2011（21）.

[4]Long W， Yang Y H. Stationary background generation： An alternative to the difference of two images[J].Pattern Recognition，1990，23（12）.

[5]肖梅，韓崇昭，張雷.一種視頻序列的背景提取算法[J].光電工程，2005，32（4）.

[6]張志清，張鵬，謝常仁，等.智能交通系統(tǒng)研究綜述[J].東北林業(yè)大學(xué)學(xué)報，1999，27（2）.