交通中的图像识别应用

陈宁

什么是图像识别

我们都知道图像，在日常生活中也要接触大量的图像，图像就是图形和影像的总称，我们通过眼睛所观察到的一切都是图像，那么，什么是图像识别？什么又是图像识别技术呢？

图像识别又叫图像再认，是指人们再次辨认出某一图形的过程，当图形信息刺激人体的感觉器官，人体通过记忆中存储的信息与当前的感官信息进行对比加工，从而再次辨认出这一图形。人体具有极强的图像识别能力，我们看下面几张图片：

图1、2、3是图形设计师们对字母A的美化设计，虽然在颜色、形状和大小上有较大差异，但人们都可以轻松的识别出它就是字母A；图4、5、6从拍摄角度和光线上来说都是三张截然不同的图像，但人们也可以很轻松的分辨出它就是同一个项链。人们不仅可以通过视觉识别出某一图像，甚至图像识别还可以不受感觉通道的限制。例如，当别人在你背上写字母A时，相信你依然能识别出这一字母来。

人体神秘而神奇，究竟人体是怎样进行图像信息识别的呢？经过科学家们多年的研究发现，人体进行图像识别应该是以图像的主要特征为基础的。每个图像都有它的特征，如字母A有个尖，P有个圈、而Y的中心有个锐角等。对图像识别时眼动的研究表明，视线总是集中在图像的主要特征上，也就是集中在图像轮廓曲度最大或轮廓方向突然改变的地方，这些地方的信息量最大。而且眼睛的扫描路线也总是依次从一个特征转到另一个特征上。由此可见，人体在图像识别过程中，总是排除输入的多余信息，抽出关键信息，同时将这些关键信息进行整合，从而形成一个完整的知觉映像。

进入21世纪以来，伴随着科技的发展，人们变得越来越“懒”，以前必须要人类智能才能完成的图像识别工作也希望由计算机来替代，“图像识别技术”也由此而生。图像识别技术是人工智能的一个重要领域，它借由计算机来完成图像的识别功能。

图像识别的模型主要有两种——模板匹配模型和原型匹配模型。模板匹配模型强调当前的刺激必须与大脑中的模板完全匹配，图像才能被识别。例如字母A，如果在脑中有个A模板，字母A的大小、方位、形状都与这个A模板完全一致，字母A才能被识别。这个模型简单明了，但是它要求图像与模板必须完全吻合，这就要求在模板库设计时必须考虑所有的情况，这几乎是无法实现的，因此这一模型仅适用于场景较为单一的图像识别过程。

为了解决模板匹配的问题，人们提出了原型匹配模型，它将从图像中提取出的“相似性”作为原型，拿它来检验所要识别的图像。仍以字母A为例，它记录的原型是字母A的尖这一原型，所有具备尖这一特征的图像都将被识别为A。这种模型更倾向于人类的思维模式，也能识别出情况更为较多、较复杂的图像，因此称为图像识别技术的发展方向。

图像识别技术在交通中的应用

图像识别作为人工智能的重要内容，21世纪以来得到了巨大的发展，广泛应用于生产生活的各行各业中。在银行和商业中，图像识别技术用于识别支票和钞票上的特殊数字和字符；在医学上，图像识别技术用于识别早期肿瘤、分析心电图以及血小板计数；在军事中，图像识别技术用于导弹的精确制导；在地质勘探中，图像识别技术用于发现石油和天然气可能存在的底层；在现代遥感技术中，图像识别技术用于识别不同的自然资源。

近年来，伴随着城市的飞速发展，城市内人口急剧增加，汽车拥有量持续提高，由此引发了一系列的交通安全和交通拥堵问题。交通问题是涉及人、车、路的一个复杂的系统问题，它往往伴随着海量数据的分析和处理。因此，近年来，图像识别技术被广泛应用于交通运输领域，以提高交通管理者的工作效率，更好的解决城市交通问题。目前，图像识别技术已经广泛应用于交通违章监测、交通拥堵检测和交通信号灯识别等交通运输领域。

1. 交通违章监测

相信每一个有驾驶经验的人都会对道路上突然的闪光心存忌惮，没错，当闪光灯亮起的时候，可能你又要去缴纳罚单了。为了更好的保证道路的行车安全，这种先进的电子监测系统，也就是我们俗称的“电子警察”正被广泛的应用于抓拍“闯红灯”、“超速”等交通违章行为中。当“电子警察”采集到违章图像后，通过PSTN网（公共交换电话网）或Internet网送回交通监控中心，由专业的处理软件完成违章车辆图像显示、筛选、车牌号判读、违章车辆图文信息记录以及资料管理和查询等工作。其中，车牌号判读便运用了先进的图像识别技术，那么，车牌号是如何被识别出来的呢？

车牌号判读主要由图像处理、车牌定位、字符切分和字符识别四部分组成。

图像处理：将模拟图像转换为数字图像，模拟图像也就是空间连续的图像，而数字图像是空间离散的图像，比如10000像素的图像就是说图像是由10000个点组成的，由于计算机只能识别数字图像，所以我们首先便要将抓拍到的图像转换为数字图像。

车牌定位：将数字图像转化为灰度图像，也就是把彩色图像转换为黑白图像，图像的明暗变化由灰度值的大小决定。接着对灰度图像进行二值化分析，其目的是寻找一个合适的灰度值，把车牌照突出出来。然后用预存的车牌照特征与二值化分析后的图像进行比对，最终确定车牌照的位置。

字符切分：完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法，这是因为字符在垂直方向上的投影会在字符间取得一个局部的灰度最小值，易于将字符分割出来。

字符识别：字符识别可以采用前面所提及的两种方法，基于模板匹配的方法和基于原型匹配的方法。基于模板匹配的方法是将分割后的字符与字符数据库中的所有模板进行匹配，最后选最佳匹配作为结果。基于原型匹配的方法是先对字符进行特征提取，用所获得的特征来识别字符。

2. 在交通拥堵检测中

当我们乘坐小汽车或者公交车的时候，什么事情最让我们心烦意乱呢？没错，就是堵车了。在发生拥堵的时候我们最希望谁出现？没错，就是伟大的交通警察，他们让道路秩序井然有序，恢复畅通。那么可以在交通拥堵即将发生或已经发生时迅速通知交警吗？答案是肯定的，图像识别技术就可以实现交通拥堵的自动检测，及时通知交警进行交通疏导。那么图像识别技术是如何实现佳通拥堵的自动检测的呢？

交通拥堵自动检测主要由道路有效区域划定和车流所占面积比例两部分组成。

道路有效区域划定：将车辆流区域和非车辆流区域进行区分，车辆流区域是指路面本色的区域，它有灰度值变化较小的特点，因此大多数杂点较少的路面都可以轻松的识别出来；非车辆流区域是指花坛、护栏等区域，它的灰度值变化较大，进行区域划定前后的图像如图8和图9所示。

车流所占面积比例：车流所占面积比例的计算由边缘像素统计、交通流区域计数和交通拥堵判别三个过程组成。边缘像素统计是指在道路有效区域划定的基础上，在道路有效区域划定的基础上，统计所有灰度值剧烈变化的像素点，即边缘像素点，这些灰度值剧烈变化的像素点实际上就是车道上行驶车辆的边界点；接着在交通流区域计数时对所有边缘像素点进行扫描，通过判断当前像素点与前后像素点的关系确定行驶车辆所占的区域；经过上面两个步骤后，就可以实时的计算出行驶车辆所占的区域面积与道路有效区域面积的比例，这一比例与交通工程师提供的拥堵值进行比较，便可以轻松判别出交通拥堵的状况。如图10所示。

3. 在交通信号灯识别中

在世界上，大约有7%～8%的色盲、色弱患者，由于无法准确快速的在交叉口判断出交通信号灯信息，而给他们的日常出行带来了不便，目前，以图像识别技术为基础的交通信号灯识别技术给他们的出行提供了帮助。那么，交通信号灯是如何被识别出来的呢？

交通信号灯的识别方法有两种：一种是基于颜色分割的交通信号灯识别方法；另一种是基于形状分割的交通信号灯识别方法。

基于颜色分割的交通信号灯识别方法：交通信号灯的颜色特征是最为凸显的特征。我们也许都挺熟过RGB颜色空间，它是以红、绿、蓝三种基色来显示彩色，虽然我们希望以不同的R、G、B值来识别不同的交通信号，但是这种方法是不实际的，因为R、G、B三者之间的相关性较高，容易受光照、阴影等因素的影响，从而无法正确识别出红、绿、黄三种交通信号。HIS颜色空间颜色空间是适合人类视觉特性的色彩模型，其中H表示色度、I表示强度、S表示饱和度，HIS空间模型H、I、S三者之间相关性较小，易于进行颜色识别。因此，在基于颜色分割的交通信号灯识别中便采用将RGB颜色空间转换为HIS空间，再根据H、I、S值的阈值范围的方法来识别红、绿、黄交通信号。

基于形状分割的交通信号灯识别方法：交通信号灯在形状上有个显著的特征，即被一个黑色矩形框所包围。根据信号灯设计规范，该矩形框有固定长宽比。可利用该特征，将交通灯范围提取出来。如下图所示。

图像识别技术在交通中的应用展望

目前，图像识别技术已经在智能交通系统中获得了成功的应用，为交通违章监控、交通路况检测、交通标志检测等提供了新手段和新装置，减少了人力劳动，提高了自动化程度。但是，由于道路状况图像受天气、光照等因素影响较大，使得图像识别技术在应用时出现了可靠性、准确性不能满足工程要求等问题。随着科技的发展，相信这些问题会逐步得到解决。图像识别技术将在智能交通系统中发挥越来越重要的作用。