智能交通构建中图像识别与处理新技术的选择与应用

陈 雅，唐宇健

（1.广西警察学院 广西 南宁 530023；2.南宁市烟草专卖局 广西 南宁 530007）

依托于大数据和各类高新技术而出现的智能交通，其基础目标在于从源头上解决因城市格局与道路规划新旧交替等所带来的交通拥堵问题。智慧交通管理系统作为构建智慧交通的核心，可应用于道路运输的整个过程，具有提升交通运输体系的效率与全面性，促进交通事业转型与现代化发展，提高检测与管理的效率与质量，改善交通混乱状况等特性。为优化环境、车、道路、人等因素之间的关系，智能交通构建对图像识别、图像处理等核心技术提出了更为严格的要求。从提升智能交通应用的效率角度而言，选择和应用适宜的图像识别与处理技术，保持技术更新的频次与应用需求的契合度，具有极为关键的作用。

一、智能交通构建对图像识别与处理技术选择的要求

（一）基于交通管理精准识别的要求

智慧交通管理系统以具体交通运输现状为客观依据，以各种信息技术为辅助，构建起集合了最为先进的控制技术、处理技术、计算机信息技术、数据传输技术、图像识别与处理技术为一体的系统。为应对交通管理的首要任务（即分析并处理汽车监控图像）需要先进的图像处理和图像识别技术来自动识别和管理公路流量监控信息、失窃车辆查询、高速公路电子收费站等重要场合中的汽车车牌号。

图像识别与处理技术在智能交通系统中应用极为广泛，且在应用中需要图像作为依据的问题点也很多，如需要识别和判断车牌、车辆大小和外形、车身颜色、车辆所有者与司机的匹配度等。因此，在图像识别与图像处理技术的选择和应用上，必须保障所选技术与应用目标的适配性、与时俱进性、及时更新性。此外，考虑到图片拍摄与识别中，车辆本身的方向、尺度、位置变化等受制因素较为复杂，如车辆的时速、角度会影响图片拍摄的清晰度，邻近物体、光照、车辆之间的遮挡等会影响图片识别的精准度[1]。而车辆检测算法对车辆识别率的要求更为严苛，所以，智能交通系统对图像识别与处理技术的准确性、先进性和有效性的要求更为严格。

（二）基于违法犯罪证据采集的精准适配需求

智能交通系统同样可应用于交通执法、刑事侦查的合作中。如智能交通系统借助数据处理、数字图像采集传输、模式识别等技术，采集机动车图片抓拍、嫌疑人人脸识别、车辆号牌识别等特征，在不间断记录并分析每天过往车辆时，为执法部门快速提供交通违法或犯罪及嫌疑人的行踪等真实一手证据。

以上操作的顺利和有效进行需要以高清卡口系统为核心，该系统包含中心管理、网络传输、前端数据采集等子系统。前端数据采集子系统通过有效的图像抓取与识别技术，来获取往来车辆的交通参与者人脸信息以及车牌号码、图片、经过时间等数据。网络传输子系统将前端数据采集子系统所提供的真实数据传输到中心管理子系统中，以集中共享、存储、管理实时采集到的数据和信息。

需要注意的是，在真实的应用中，智能交通管理系统以上各部分的操作容易受到噪声、灰尘、光线、天气等多种自然因素的影响，图形识别率极低[2]。尤其是室外场景颜色和运动中车体表面反射光线的方向不同，导致拍摄到的图像颜色非恒定，纹理有可能絮乱、存在差异甚至扭曲，严重影响目标的图像识别与采集。有研究人员尝试校准摄像头、调整颜色饱和度和白平衡度等方法，但仍难确保图像颜色识别算法的精度。基于此，从智能交通可持续发展的需要看，图像识别与处理技术的选用，不仅需要满足车辆日常管理的需求，还需要满足对违法犯罪嫌疑人进行追踪所需的图像识别的清晰画质和图像特征等需求。

二、常态化交通管理中图像识别与处理技术的选用路径

（一）二次优化现有技术，保障车牌识别精准普适性

车牌特征提取与车牌图像分割是智能交通领域中解决交通管理日常问题的重要环节[3]，同样也是应对公路流量监控、失窃车辆查询等车辆识别与定位要求的重要手段之一。保障图像识别与处理的精准度，可从车牌特征提取与车牌图像分割入手，参照日常交通管理中的普适性标准，来细化此项操作对图像识别与处理的精准度。

在车牌像素特征方面，目前比较常用的提取方式是角点提取、弧度统计、梯度统计等，其中13点车牌图像特征提取法的识别性、适应性更强，但是收敛性弱，特征点少[4]。此种操作方式需要将字符等分成8个模块并计量黑色像素个数，统计竖直和水平中间两个像素模块的黑色像素点，继而以第3个特征作为黑色像素点的代表。为应对此种操作方式的不足，建议增强图像像素点个数与位数相同的向量矩阵的应用适应性。可在图像扫描中尝试对白色像素和黑色像素分别取值0和1，继而在此基础上排列像素点0和像素点1，分析维数与黑白像素点个数，以保障图形对应向量矩阵的操作便捷性。

与之相比，通过提取车牌骨架特征来得到图像特征向量矩阵的方式更具有普适性。此种操作方式需要以图像限制宽度的差异作为识别和处理图像的关键点，在车辆骨架图像采集和处理之前，统一处理图像轮廓宽度，并去除影响图片轮廓宽度的各项因素，尽可能减少因车辆轮廓宽度数值差异化所带来的影响。

（二）调整灰度转化方式，强化梯度锐化处理

定位车牌图像得到256色位图图像的方式相对复杂，在具体计算过程中如果不借助灰度转化难以顺利展开。灰度图像中的每个像素的B、G、R值相等，灰度图像不存在色彩差异仅存在个别亮度的区别，很容易影响图像识别和相关信息的提取。对此，建议以灰度转换处理后每个图像中各个像素的唯一灰度值作为图像暗度和亮度的识别依据，在使用二值化处理的方式后，将图像中对应的像素分化成具有差异化的黑白两种颜色，再使用阈值法，通过计算得到转化后的车辆牌照图像。

为加快计算方式的应用速度，并保障程序实时性，可在图像采集之后，将RGB图像处理如图2所示。在转化成灰度图像后，可从真彩色图像中按照如下方程式来处理灰度值：

Gray(x，y)=0.587G(x，y)+0.299R(x，y)+0.114B(x，y)

在使用此方程计算后，图1的灰度值会处理到0～255内，变换处理如图2所示，在锐化处理完成后灰度值将出现新的变化，之后按照如下原则选阙值并进行二值化处理后，得到的图像如图3所示：

图1 汽车牌照图像黑白处理

图2 汽车牌照图像锐化处理之后

图3 汽车牌照图像二值化处理效果

达到以上效果是以图像灰度方位中值为初始阙值，设为T0。假设共有L级灰度，按照下面的公式迭代处理时，h1属于灰度是l值时的像素个数，区间范围为 0≤l≤255。

常态下K值可选0.5，由于拍摄阶段的车牌图像有可能存在光线不稳定等情况，为保障分割效果，可选择0.6为K值。迭代到Ti+1=Ti时方可结束，在结束时，Ti是最终分割阙值T。考虑到智能交通管理系统运作中对图像精准度的各项要求较高，K值需要进行动态调整，调整时，车牌图像中背景像素点总数和字符像素点总数的比值要固定[5]，公式如下所示：

上面公式中的S为背景像素点和字符像素点总数的比。S可按照车牌字符复杂程度差异而进行调整，变化的范围设定为1.8～2.5，S值能反映出阙值选择是否正确。S在每次迭代时，K值的系数与S的关系如下所示：

按照此种方式自动调节迭代系数能得到适应能力较强的、相对准确的车牌二值化图像（最终效果如图3所示）。

大多数情况下，交通运输管理中的图像均采集自摄像头，不同的摄像头以及摄像头的不同角度导致所拍摄到的同一车辆的图片会有所差别。建议使用梯度锐化图像的方式来去除噪点并尝试增加图像的清晰度。在微分法与高通滤波法的普遍应用过程中，可增加梯度锐化法的应用比例，比如使用微分预算来得到信号变化率，借助增强高频分量的方式来提升图像轮廓的清晰度。此项技术的应用主要以图像边缘由灰度级和相邻域点的不同像素点构成为原理，在实践应用过程中，以轮廓取向难以确定问题为抓手，使用具有旋转不变、不具备方向性等特性的线性算子。对于难以精准得到的梯度及图像使用差分运算后一行和一列的像素贴图，建议使用图像差分运算后相对近似的前一列、一行梯度值来替代。

（三）针对性优化字符分割算法，统一规范字符处理操作

常用的分割车牌字符的算法主要有连通区域法、静态边界法和垂直投影法。此三种方式各具优缺点，但均可应用在车牌清晰图像的获取与处理工作中。在实际应用中，对存在的缺点可结合具体操作要求来进行有针对性的弥补。以垂直投影法为例，此种操作方式以垂直方向上字符块的投影特征作为检测依据，需要从左到右观察并检测车牌的坐标垂直投影数值。通常情况下最左字符边界是检测得到的最大值。但是诸如字母“N”“L”等在垂直方向上投影时，容易出现因过度切割而影响其垂直投影数值的精确性的问题。对此，建议调研容易出现垂直投影数值偏差的字符，并设定标准的宽度阈值和最小值，以此作为实践操作过程中的衡量范本。连通区域法在实践应用过程中，需要以字符联通域特征作为切割车牌字符的依据，但是会受到车牌噪声区域过多与字符线条连接明显等的影响。解决此问题的方式是去噪。

在日常车辆照片拍摄的过程中，按照字符图像处理的要求需要去噪。离散的噪声在车牌定位中能去除掉一部分，但是现有的操作方式有可能同步去除字符像素。对此的弥补方式为扫描整个车牌图像，设定非离散点值，提取黑色点，对比和分析与此黑色点直接关联的黑色点数量，判断其是否小于非离散点值，如果超过则需要去除，以此来增加离散噪声的去除量。或者以信号是否明显集中作为判断标准进行信号周边的扫描，如果周边信号强烈，那么扫描到的信号在此范围之内，属于非离散信号，不需要去除，反之则需要去除。

在拍摄的过程中，如图4所示，在对车牌边缘进行检测时，如果车牌出现水平方向的倾斜也会使字符高度出现变化，进而影响到拍摄效果。对此需要找准图像平衡点，如图5所示，找出车牌拍摄的倾斜度，以此为轴心分析图像左右边像素的平均高度，继而求斜率，依据偏转角重新组织图像，并使用反算法旋转水平字符符号图像位置，对比得到的数值与之前的对应位置坐标。如图6所示，确定车牌照上下边界，进而将车牌照分割归一之后得到字符，如图7所示。

图4 车牌边缘检测

图5 车牌拍摄的倾斜度

图6 车牌照上下边界的确定

图7 车牌照分割归一之后得到的字符

此外，统一处理同一图像中的不同位置和不同尺寸的文字也极有必要，这利于增加图像识别与处理的规范性和有效性。在实际操作过程中，可依据相关位置关系统一处理同一图像中等比例缩小或放大的字符，将显示特征、位置或大小存在差异的字符图形转化成统一的字符，来提升图像识别的准确率。为保证这一操作的规范性，建议以车辆图像拍摄过程中所涉及的文字识别要求为基础，编制对应的准则，或者细化已有的准则及操作指南。位置归一化法同样可以有针对性地应用在图像字符统一处理的工作中。

三、违法犯罪证据采集需求下的图像识别与处理技术选用路径

（一）针对违法犯罪证据采集需求，设计高清卡口子系统

针对证据收集的要求，在智慧交通系统应用的过程中，按照实际需求设计和调整高清卡口子系统。高清卡口子系统的设定必须满足高清录像、人脸识别、人脸抓取、车辆颜色识别、自动识别、测速、逆行抓拍、图片记录、车辆捕获等功能要求下的图像抓拍和参与者人脸信息等各项数据的识别、存储、共享管理、处理、汇总、采集、压缩上传等需求。由此可配以防雷器、开关电源、外场工业交换机、终端服务器、车辆检测器、闪光灯、卡口抓拍单元、数据库服务器、存储服务器、应用服务器、管理服务器、Web服务器、光纤收发器等。系统网络的构建也需要围绕违法犯罪证据采集需求，针对高清卡口子系统图像识别与处理技术的选择和应用的需求来操作。

车牌识别系统虽然具有较高的识别率，但是在具体应用过程中仍需要考虑各项因素，如车牌类似形状物、车身类似形状物、车牌遮挡物，甚至需要考虑采光、拍摄设备性能等对拍摄对象的干扰。对此，建议加大车牌自动识别系统时长以及增加采集环境复杂度，从普适性角度出发来分析车牌自动识别系统各个模块对算法原理的要求，将车牌自动识别系统嵌入高清卡口系统里，按照智能交通构建中对图像识别和图像处理技术的选择与应用实际情况，来进一步研究其功能的配置和设计，以便取得更好的识别效果。

（二）契合适配功能选择技术，结合实战丰富应用功能

在契合适配功能选择技术方面，以车辆自动识别功能为例，可采用多样式视频加线圈检测方式来满足高清卡口系统的车辆检测需求。建议使用Web开发高清卡口系统，并建立车牌字符库，在系统中设定可点击的车牌识别、字符分割、车牌提取、车牌定位接口，通过点击使车牌号码在Text Edit控件中直接显示用于识别车牌。监测区域车辆的图像抓取，可使用补光设备和高清摄像头来应对。车辆自动识别子系统需要围绕图像的预处理、车牌字符分割、车辆定位检测和字符识别以及车牌输出、图片中相关信息的叠加来设定。

人脸识别功能的开发，在设计中需要设定可随时调取公安系统中我国公民个人人脸信息的功能接口，在图像域处理系统提取并定位所调取的人脸特征后，进行自动预处理，其中涉及使用高斯滤波和预处理函数的问题。SURF算法可应用在原本库特征与提取特征的匹配中，在匹配特征点个数达到最多时，直接输出识别结果并以此人人脸命名。如果原图像中出现多个人脸，则需要检测并提取人脸。为提升人脸识别功能应用的有效性，需要在高清卡口系统中设定嫌疑人人脸库并提取特征来生成xml文件，以便于图像识别时使用人脸检测算法来预测、定位人脸图像。人脸区域图像可通过抠图的方式得到，在提取特征后与读入的xml文件进行差异化对比，进而输出结果。图像操作方式可应用在采集、识别、对比核查驾驶人员或者其他交通参与者是否是在逃犯、犯罪嫌疑人等方面。3D人脸识别可作为人脸识别功能开发的技术补充，以便于多角度识别人脸，提升人脸识别算法的适应性和准确率。

为提升高清卡口子系统的有效性，满足业务应用层的实战分析、稽查布控、卡口监控等需求，建议在车牌识别服务、人脸识别服务、数据转发服务和研判智能化服务的功能性设定的基础上，增加可为驾驶人员或公安内部工作人员等提供Web查询的Web服务，可为管理人员提供具体驾驶人员地理信息的系统服务、为前端各种应用提供云计算和检索的快速搜索服务，为外部系统的布测控等服务需求提供的卡口系统接口调用服务，为车辆检测实时对比和告警联动提供的异常车辆及黑名单车辆告警服务。除此之外，在兼顾智能交通车辆日常检测和管理的需求下，还可以设定车辆统计、车辆查询、电子地图、实时监控、权限管理、运维管理、设备管理、稽查布控、用户管理等各项功能。

（三）数据分析及采集偏差问题处理

在大数据采集过程中，还会存在盲点、偏差、阴影、甚至自相矛盾等问题。由于问题集中在车辆的运动轨迹上，所以根据数据平台，读取某个时间指向的具体位置数据集是系统重点分析的内容。其中i=0，即设定的起始值。假设i=0时，在大数据平台中获取一个数据集：

T（i）={(X0，Y0)，(X1，Y1)，…(Xi，Yi)}

其中，X表示经度，Y表示纬度，I表示数据采集的时间轴点。根据目标数据在特征集中的分布，可以测算出一条车辆运动的轨迹。

如果各时间段的数据集存在盲点和偏差，就需要调用“智能交通系统”中的多元数据，进行数据测算和推演。将不同来源的数据进行权限设定，P(j)表示第j个数的权重比，n表示元数据的个数，因此，新推演出来的某个时间轴的数据信息可以通过训练得知：

需要注意的是在具体人脸定位法应用的过程中，从如何精准获取人脸图像的角度考虑，还需要思考如何应对车辆形状、拍摄角度、光线、遮挡物等影响下，驾驶室内人脸图像难以精准有效获取的问题。尤其是在雨雪、雾天、夜间等客观自然条件下，车牌识别、人脸精准度以及车内前排和后排人员衣着面貌与脸部特征、周围环境、行驶车道等的抓取难以保障清晰和完整。虽然目前使用的500万像素抓拍单元的高清摄像头和补光设备等，能一定程度上缓解此问题，但是仍难以满足高清卡口系统对图像采集精准度和有效性的严格要求。因此，在智能交通高清卡口系统的应用过程中，按照车辆、嫌疑人、在逃犯等人脸识别和车牌识别的要求，应在现有的识别算法中增加补偿光的方式，以便于增强复杂交通场景图像的清晰度和完整性。Web形式开发下的高清卡口系统客户端，固然能满足使用者随时远程监控、人脸识别、车辆识别和车辆检测等需求，但仍需从适应多数场景的需求入手，优化人脸识别法，提升其适应性和准确率。

综上所述，作为控制技术、信息处理技术、数据传输技术等高新技术的集合体，智能交通系统能满足智能化和信息化的交通安全管理需求，有利于在提升社会和谐度的同时，更好地优化道路、环境、车、人之间的关系。但是智能交通系统对支撑其构成并应用的各项信息技术的适配性与更新性等的要求很高，尤其是对图像处理和图像识别新技术应用的精准度、适应性、普适性、有效性的要求更为严格。现有的图像处理与识别技术在日常交通管理和违法犯罪证据采集方面能起到极为有效的辅助作用，但受客观工作环境、设备完备性、技术程度等各项因素的影响，并不能完全满足智能交通系统的要求。建议在车牌识别应用方面，加大对字母、数字、文字的规范力度，强化对印刷制品文字等的识别研究，进一步提升车牌识别的精准度。