陈宁宁,尹 乾,周 媛,高丽娜
(西安外事学院 陕西 西安 710077)
随着工业的迅速发展,城市化的进展和汽车的普及,世界各国的交通量急剧增加。如何能够改善混乱的交通状况,减少拥堵,提高运输效率并提高交通的安全性,则成为大家更关心重视的问题。智能交通系统 (Intelligent Transport System,ITS)则是在这种情况下产生和发展起来,它主要是将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系,而建立起的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合的运输和管理系统[1]。它的作用主要是通过人、车、路的和谐、密切配合提高交通运输效率,缓解交通阻塞,提高路网通过能力,减少交通事故,降低能源消耗,减轻环境污染。
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的特点主要有处理精度高,在现性好;易于控制处理效果;处理的多样性;图像处理技术综合性较强。
图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。而随着计算机视频监测技术的不断成熟发展,以图像处理技术为主的交通视频监测技术的研究也成为智能交通系统的重要前沿研究领域。本文就是依据数字图像处理的特点,介绍了数字图像处理技术在智能交通系统中各方面的应用。
智能交通系统能否高效的运行,关键取决与获得全面、准确和实时的动态交通信息。在智能交通系统研究中,能够研究开发出有效获取道路上的运行信息,包括车流量、车速、车型分类、交通密度等信息的交通信息采集设备是提高实现交通智能化的重要途径。正确有效的交通信息采集可以在正确及时获得交通状况信息的同时,实现对交通状况进行有效管理,并发出诱导信息,从而自动调节车流,减少车辆在道路顺畅时在红灯前停留的时间,安排疏导交通、肇事报警等。因此,在智能交通系统中,交通信息采集技术的不断进步是智能交通系统得以高效发展的基础,是提高交通安全性和效率的前提。
随着智能交通采集手段及其分析技术的快速发展,交通信息采集已从静态、人工采集向动态、自动采集转变,从单一模式采集向多模式、多方法采集转变。常用的一些交通信息采集方法,如雷达测速仪,感应线圈,GPS测速法,红外线检测等等,都能一定程度上达到车辆的检测,但这些方法中有的需要路面开槽来埋置线圈在一定程度上破坏路面,影响路面寿命,有的设备成本过高,受天气环境影响较大,都不能全面,高效地采集信息。随着数字图像处理技术的飞速发展,图像分析法应用于在交通领域得到越来越广泛的应用。相对于一些传统的交通信息采集方法,它具有全面、高效、并对主线交通无干扰的特点,能够真实反映交通流状况。
基于图像处理的交通信息采集方法,利用计算机视觉技术从数字图像中提取高质量的图像,进而获取图像范围内多目标车辆以及车速等在内的交通运行特征信息,它克服了传统测速法只能得到单车车速的不足的同时也能够精确的定位车辆的空间位置[2]。在交通信息采集中,无需对主线交通进行管制,只需保证相关的拍摄条件,也无需观测人员现场职守,从一定程度上减少了人力物力的投入,提高采集效率。
近年来,智能交通系统已成为当前交通管理发展的主要方向。作为智能交通系统的重要组成部分,机动车牌自动识别系统可以大大提高车辆管理的工作效率,加快交通管理自动化和智能化的步伐。车牌自动识别系统在停车场收费管理、封闭式居民小区保安管理、高速公路超速自动化监管系统以及城市交通路口的“电子警察”等方面有着广泛的应用前景。
车牌识别系统 (License Plate Recognition,LPR)是指能够检测到受监控路面的车辆并自动提取车辆牌照信息(含汉字字符、英文字母、阿拉伯数字及号牌颜色)进行处理的技术,主要是由图像采集、图像预处理与图像识别3部分构成。该系统的实现主要是通过在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上,对车辆图像的进行采集,并利用先进的图像处理、模式识别和人工智能技术,在图像中找到车牌的位置,提取出组成车牌号码的全部字符图像,再进一步识别出车牌中的文字、字母和数字,最后给出车牌的真实号码[3]。因此车牌识别系统是计算机视觉和模式识别技术在智能交通领域的重要研究内容,对于现代智能交通有着重要的意义。
在实际的应用中,由于照片拍摄的质量好坏由过多外界因素决定,例如光照强度、晴天雨天、车速快慢等多种因素都会影响车辆拍摄照片的质量。而由于天气或车速过快等原因造成采集到的图像字迹模糊,质量较差,则进一步影响到后续的车牌字符识别。所以在图像识别之前,则主要通过采用数字图像处理技术对采集到的图像进行预处理,主要包括图像灰度化、二值化、滤波、校正、分割等处理过程,进而提高后续字符识别的准确度。车牌识别系统后续研究中为了提高车牌自动识别的处理速度,则主要从采用高性能的计算机处理和改进算法,提高图像处理和识别的速度来实现。但是针对我国车牌格式繁多;车牌背景复杂;光照复杂等情况在以后的研究中还需进一步完善。并且从国内外的发展趋势可以看出,智能交通系统包括的其他几个方面比如车型识别、车标识别等也需要进一步研究,进而不断提高车牌识别的实用性。
在公共道路交通管理中,为了获取车辆的运动数据,早期通常主要采用的是感应线圈等硬件测量的方法,但是此种方法要求设置于路面中,对路面有损坏,安装也不方便,会直接影响交通,严重影响道路寿命。而如果采用摄像头拍摄的道路视频,再通过计算机软件进行处理,则极大的增加了获取车辆运动数据的方便性和灵活性。
随着计算机技术的发展,道路交通数据获取不再需要复杂的线圈设备了。只需在检测路段固定相关的摄像头。摄像头拍摄的道路数字化视频压缩后通过传输线路 (如光纤)传输到监控中心,监控中心的计算机采用数字图像处理的方法将道路交通的数据计算出来[4]。在公路交通中运动车辆的有效检测和实时跟踪,是车辆的行为分析和识别的前提,而运动目标检测与跟踪主要分为背景提取、运动点团提取、运动点团位置提取、运动物体跟踪这几个主要步骤。通过这几年的不断研究,针对每个步骤的各种算法,相关研究人员都做出了不同实验分析比较研究。在2006年郑志洵的硕士论文研究中就提出“在背景提取中改进的基于均值的背景提取算法以及减少图像像素的兴趣区提取算法[5]”。而在2009年郭博学的硕士论文研究中针对背景提取步骤中算法改进,提出“基于块的背景提取和二值化算法,该算法将图像分成一定的块,通过计算块内的均值和方差,针对每个块进行背景提取和二值化[6]”并都通过现场实验进行检测,对运动目标检测与跟踪的方法都有很好的改进。但是当在拥挤的交通环境中车辆行驶缓慢时,会存在严重遮挡的情况,对车辆的跟踪造成误差。如何在恶劣天气条件和存在严重遮挡时进行车辆运动的跟踪还需要进一步研究。
文中主要介绍了数字图像处理技术在智能交通系统中信息采集、车牌识别、车辆检测与跟踪等多方面的应用。由于计算机技术和图像处理技术的革命性发展,数字图像处理技术已经成为智能交通系统领域的最主要技术之一。无论在图像处理硬件和软件方面都有不断改进的技术和算法出现。总之,随着计算机技术的不断发展,基于数字图像处理的智能交通系统将取得更大的进步。
[1]黄卫,陈里得.智能运输系统(ITS)概述[M].北京:人民交通出版社,2001.
[2]高建平,张小东,蒋锐.基于图像处理的交通信息采集[J].重庆交通学院学报,2006,25(1):103-106.
GAO Jian-ping,ZHANG Xiao-dong,JIANG Rui.Traffic information collection based on image processing[J].Journal of Chongqing Jiaotong University,2006,25(1):103-106.
[3]石红兰.基于图像处理的车牌识别系统的研究与实现[J].机电信息,2011(21):178.
SHI Hong-lan.Research and implementation of LPR based on image processing[J].Mechanical and Electrical Information,2011(21):178.
[4]张志强,赵启文.高速公路视频监控系统设计与实现[J].辽宁交通科技,2005(5):79-81.
ZHANG Zhi-qiang,ZHAO Qi-wen.Highway video monitoring system design and realization[J].Liaoning Communication Science and Technology,2005(5):79-81.
[5]郑志洵.运动目标检测与跟踪的研究与实现 [D].杭州:浙江大学,2006.
[6]郭博学.运动车辆视频分割与跟踪技术研究[D].西安:长安大学,2009.