應(yīng)用在公共交通中的檢測技術(shù)有哪些？

　　應(yīng)用在公共交通中的檢測技術(shù)有哪些？，隨著現(xiàn)代檢測技術(shù)的發(fā)展，用高科技手段取代傳統(tǒng)方式已經(jīng)成為各行各業(yè)的發(fā)展趨勢，在交通智能化管理方面同樣如此，在各大城市的交通管理中大量使用“電子眼”，車輛檢測器等檢測設(shè)備，為城市交通的智能化和有秩化管理做出了極大貢獻(xiàn)。

　　視覺圖像為基礎(chǔ)的檢測系統(tǒng)（Video Image Detector）以其信息量大，訊息直觀豐富等優(yōu)勢成為交通應(yīng)用的主流。上世紀(jì)七八十年代由于離散數(shù)學(xué)的創(chuàng)立和完善，使數(shù)字圖像處理技術(shù)得到了迅速的發(fā)展，隨著計(jì)算機(jī)的普及，應(yīng)用成本的降低，圖像處理在各行各業(yè)得到了廣泛應(yīng)用，到了八十年代中期，交通圖像偵測系統(tǒng)開始在發(fā)達(dá)國家得到運(yùn)用并發(fā)展起來。

　　大家常說“無圖無真相”，就一語道出了圖像所包含的豐富信息量。我們可以根據(jù)自己的需要對這些信息進(jìn)行相應(yīng)的處理，便能得到所需的結(jié)果。這里所說的處理都是采用數(shù)字化處理，這樣才能被計(jì)算機(jī)運(yùn)算和存儲。

　　應(yīng)用在公共交通中的檢測技術(shù)有哪些？
　　一、圖像處理的原理
　　雖說圖像處理的范圍非常廣泛，但它的基本原理和方法是一樣的。主要包括圖像的模數(shù)轉(zhuǎn)化（A/D Image Transform）、圖像的增強(qiáng)與復(fù)原（Image Enhancement and Restoration）、圖像編碼與壓縮（Image Encoding and Compression）、圖像切割（Image Segmentation）、圖像的表示和描述（Image Representation and Description）、圖像特征匹配（Image Feature Matching）等等內(nèi)容。由于專業(yè)性較強(qiáng)，在這里就不一一講述了，只就圖像特征匹配舉例說明一下，比如人體的外表特征，可在身高、體重、胸圍等方面表現(xiàn)出來，將許多人的這些體貌特征歸納起來，進(jìn)行歸類管理，標(biāo)識界定，就可以將龐大的人體數(shù)據(jù)簡化，同樣可以用這種方法來區(qū)分不同的車輛，如圖像中的物體長度4公尺，寬2公尺，外形特征為矩形時(shí)，可將該物體歸類為小汽車；如長度為10公尺，寬2.5公尺的矩形，則可歸類為大巴或大貨。圖像處理技術(shù)在交通上的應(yīng)用主要在車輛檢測、車種識別和車輛跟蹤三個方面。
　　1、車輛檢測
　　車輛檢測的技術(shù)方法可分為樣本點(diǎn)檢測、檢測線檢測、全畫面式檢測和夜間車輛檢測：
　?。?）、樣本點(diǎn)檢測
　　在車道的某一部分選取類似矩陣的樣本點(diǎn)，當(dāng)車輛通過時(shí)，樣本點(diǎn)之灰階值與原路面不同，若兩者相減的統(tǒng)計(jì)值超過某一門檻值，即表示車輛的存在。
　?。?）、檢測線檢測
　　此法是于垂直或平行車流方向布設(shè)由象素組成之虛擬檢測線，一般由亮點(diǎn)來組成，以方便區(qū)隔路面與檢測線的象素深度。當(dāng)車輛通過檢測線時(shí)，線上的灰階值與沒有車輛通過路面時(shí)有差異，若灰階值的差異大于某門檻值，則表示有車輛通過。由于樣本點(diǎn)或檢測線檢測法僅擷取部分象素資料進(jìn)行處理，處理的資料量明顯減少，因此運(yùn)算時(shí)間縮短很多。為了達(dá)到實(shí)時(shí)（Real-Time）檢測的要求，目前已實(shí)際運(yùn)用于交通檢測的圖像處理系統(tǒng)AUTOSCOPE便是以檢測線做處理。
　　在車輛運(yùn)行單純的路段，以樣本點(diǎn)或檢測線作為車輛檢測的途徑可獲得不錯的結(jié)果，但在復(fù)雜的路口內(nèi)，如何布設(shè)樣本點(diǎn)或檢測線將是首先遭遇的困難，由于路口內(nèi)車輛除直行外，尚有轉(zhuǎn)向行為，任何位置均可能有車輛出現(xiàn)。
　?。?）、全畫面式檢測
　　以全畫面作處理的車輛檢測方法所能獲得的信息較多，但相對地要處理的資料量也明顯增加很多。屬于此法的檢測方式有背景相減法與二值化法兩種：背景相減法系取一張無車輛存在的圖像作為背景，當(dāng)含有車輛的圖像與背景圖像逐點(diǎn)相減后，車輛的部分即被減出，如TRIP系統(tǒng)。二值化法將圖像以某一門檻值進(jìn)行切割，象素深度高于該值的成為255（白），低于該值者則變成0（黑），如此可將物體與背景分離。
　　背景相減法與二值化法均存在很多缺點(diǎn)，前者如背景需要經(jīng)常更新，后者則過程繁復(fù)，而二者共同的缺點(diǎn)便是當(dāng)物體顏色與背景相近時(shí)將面臨切割失敗的命運(yùn)，此外，門檻值確立不易，故有多值切割方法的提出，但過程益顯復(fù)雜。
　?。?）、夜間車輛檢測
　　國外一些學(xué)者認(rèn)為由于夜間圖像所具有的信息與白天圖像不同，因此在算法的使用上與檢測流程上會有相當(dāng)程度的不同。一般而言在夜間與較暗的照明度之下，醒目的視覺特征為車頭燈與其光柱、街燈以及高度反射光線的型態(tài)（如斑馬線）。他們以為夜間圖像并不適用移動檢測算法。
　　國內(nèi)學(xué)者認(rèn)為，在城市交通流量視頻檢測系統(tǒng)中夜間車輛檢測一直是個難題。傳統(tǒng)的方法都是基于形態(tài)學(xué)算子,通過檢測車頭燈來檢測車輛，這種方法運(yùn)算量較大，而且受環(huán)境光線影響比較大，為此他們提出了一種基于顏色和運(yùn)動信息的夜間車輛檢測方法。該方法首先利用顏色信息在圖像中檢測出車輛尾燈，并對車輛尾燈進(jìn)行連續(xù)的跟蹤，然后利用運(yùn)動信息和先驗(yàn)知識對車輛尾燈進(jìn)行匹配，最后統(tǒng)計(jì)出交通流量。實(shí)驗(yàn)結(jié)果表明，該算法可以準(zhǔn)確地檢測出夜間正常行駛的車輛，并且能夠適應(yīng)雨天等復(fù)雜天氣條件。

　　2、車種識別
　?。?）、車輛識別
　　由于國內(nèi)與國外交通組成的不同，國外的研究僅對大車與小車作辨認(rèn)，而國內(nèi)則較復(fù)雜，但一般研究均簡化車種為大車、小車與機(jī)車，以此三類做識別。
　　以檢測線或樣本點(diǎn)作為識別車種的途徑時(shí)，由于所取資料量少，較不利于車種識別，故以此法進(jìn)行者較少。就日間圖像的車輛識別來說通常以車輛的特征如：外型、尺寸為分類準(zhǔn)則。
　　近年發(fā)展迅速、應(yīng)用到很多領(lǐng)域的“類神經(jīng)網(wǎng)絡(luò)（Neural Network）”也被應(yīng)用到車種的識別上。此外，亦可藉由車輛牌照途徑，將號碼圖像二值化，以特征匹配的方式識別并記錄該車牌號碼，透過數(shù)據(jù)庫的比對，每個號碼可對應(yīng)于某一車種，可用于抓拍違章車輛、車輛計(jì)數(shù)、車種識別、起迄點(diǎn)調(diào)查與旅行時(shí)間分析等。
　?。?）、車牌識別
　　車牌識別的技術(shù)近年來在國內(nèi)已經(jīng)日趨成熟。有些學(xué)者以為車牌識別可分三階段：前處理，將圖像二值化后進(jìn)行清除噪聲。而后車牌定位，利用連接組件標(biāo)示法，找出圖像中之連接組件加以分析，進(jìn)而判定車牌位置。字符識別，分割字符完畢后依文字大小設(shè)定結(jié)構(gòu)組件之大小，最后利用型態(tài)學(xué)的方法找出文字特征加以比對。
　　還有人采用其它方法，如搜尋車牌后以圖素分割法切割字符住后利用類神經(jīng)網(wǎng)絡(luò)識別字符；或者利用灰階轉(zhuǎn)換數(shù)之計(jì)算找出可能之車牌位置，再分割字符，在利用筆劃分析法識別字符；或者利用圖像中灰階值之變化特性尋找車牌位置，在利用垂直投影直方圖分割字符，以灰階值關(guān)連度進(jìn)行識別。

　　3、車輛跟蹤
　　連續(xù)圖像中，車輛軌跡的記錄即稱為跟蹤。Anthony P.Ciervo提出以檢測車輛并配合猜測車輛位置的方式，連續(xù)跟蹤車輛的軌跡。其中以樣本點(diǎn)或檢測線方式做跟蹤者，由于選取的象素僅局限于某固定范圍，處于被動狀態(tài)，較不利跟蹤之進(jìn)行。N.Hoose便是以各鄰近方向均為雙向二車道的 T 字型路口為例，在進(jìn)進(jìn)路口前及離開路口后之車道上布設(shè)橫向檢測線屏蔽（Mask），以記錄車輛進(jìn)進(jìn)與離開之鄰近方向編號，同時(shí)對車輛在圖像上的外形、大小與位置等資料作記錄，以跟蹤車輛，但誤差頗大?？偨Y(jié)而言，車輛跟蹤的方法有下列四種：模式基礎(chǔ)跟蹤（Model based tracking）、區(qū)域基礎(chǔ)跟蹤（Region based tracking）、輪廓基礎(chǔ)跟蹤（Active contour based tracking）、國外研究文獻(xiàn)中僅針對各車道的單一車輛進(jìn)行跟蹤，要了解路口內(nèi)車輛運(yùn)作之機(jī)制，非得在同時(shí)間針對路口內(nèi)所有方向的車輛做跟蹤處理不可，否則取得的僅為殘破的信息，對整體的助益有限。國內(nèi)近年來增加了在城市路口和街頭的探頭，車輛跟蹤上取得了長足的進(jìn)展。

　　以上是關(guān)于“應(yīng)用在公共交通中的檢測技術(shù)有哪些？”內(nèi)容的介紹，希望可以給您帶來一些幫助。如您還有疑問，可咨詢我們在線客服或者通過我們的技術(shù)服務(wù)電話進(jìn)行咨詢。這里有我們專業(yè)的工程師為您解答，希望能找到您想要的答案!同時(shí)為了方便客戶，在泛標(biāo)商城還可以購買此儀器，這里，質(zhì)量有保障。