行业动态
机器视觉图像处理技术在交通上的应用
浏览:2491 次
时间:2012-08-10 13:12:30

        机器视觉图像处理技术所研究的主要内容包括了图像数的模数转化、图像的增强与复原、图像编码与压缩、图像切割、图像的表示和描述、图像特征匹配等等。其中图像切割是将图像中之标的物析出的处理过程,是图像分析过程中最重要之步骤之一。图像特征匹配,特征指的是一种代表性,例如若需将每个人由高至矮排序,所需特征只身高一项,其它体重、性格等等数据无需获得,因此图像特征匹配具有简化使用信息量的目的。而所谓匹配是将物体的特征与预存在计算机中之原型或样版的特征加以比较,若相似度或非相似度小于或大于某预设的门槛值,则称两者匹配成功。特征匹配的目的在于使具有相同或类似待征的物体产生关联,以便于辨认或分类。

        早期机器视觉图像处理技术的应用范围是比较局限的,直至70年代后其应用范围才开始有所扩展,交通领域的应用就是在这个时候发展起来的。在国内,交通领域图像处理技术的应用主要包括辆检测、车种识别、车辆跟踪三大类,下面将针对这些应用做简单介绍。

        车辆检测

        运用机器视觉图像处理技术的车辆检测的方法大致有四种,其中样本点检测的原理是在车道的某一部分选取类似矩阵的样本点,当车辆通过时,样本点之灰阶值与原路面不同,若两者相减的统计值超过某一门槛值,即表示车辆的存在;检测线检测则是在垂直或平行车流方向布设由象素组成之虚拟检测线,以方便区隔路面与检测线的象素深度。当车辆通过检测线时,线上的灰阶值与没有车辆通过路面时有差异;若灰阶值的差异大于某门槛值,则表示有车辆通过。这两种检测方法普遍运用在车辆运行单一的路段,对于复杂路段,如何布设样本点或检测线就会成为一个难点。除两者之外,全画面式检测是以全画面作处理的车辆检测方法,这种检测方法所能获得的信息较多,但相对地要处理的资料量也明显增加许多。而夜间车辆检测则是一种专门针对夜间与较暗的照明度环境下的检测方法。

        车辆识别

        国内对车辆的识别一般分为大车、小车与机车三类。运用机器视觉图像处理技术可将车牌号码图像二值化,以特征匹配的方式识别并记录该车牌号码,透过数据库的比对,每个号码可对应于某一车种,可用于抓拍违章车辆、车辆计数、车种识别、起迄点调查与旅行时间分析等。车牌识别技术大致可以可分三个阶段:前处理,将图像二值化后进行噪声的清除;车牌定位,利用连接组件标示法,找出图像中的连接组件并加以分析,进而判断车牌位置;字符识别,分割字符完毕后按照文字大小设定结构组件之大小,最后利用型态学的方法找出文字特征加以对比。

        车辆跟踪

        连续图像中,车辆轨迹的记录即称为跟踪。机器视觉图像处理技术之下的车辆跟踪方法主要有模式基础跟踪、区域基础跟踪以及轮廓基础跟踪。

京ICP备12022927号-1
北京市海淀区上地信息路1号国际科技创业园1—1705
© Copyright 2011 北京盈美智科技 All rights reserved.