智能交通系统中的新技术应用

在视觉、听觉和触觉的识别中，视觉图像识别有特别重大的意义。从信息论的角度来看，“图像”所包含的信息量最大，不仅有灰度，还有色彩;不仅有平面，还有立体等，其内容极为广泛。图像实际上是景物在仪器焦平面上的透视投影。人类识别图像的过程总是先找出它们外形或颜色的某些特征进行比较分析、判断，然后加以分门别类，即识别创门。同人类识别事物一样，要对事物进行观察、抓住特点、分析比较、去伪存真、加以判断，机器进行图像识别中也要对研究的图像进行信息获取、信息加工、特征抽取和比较判断分类。

图像识别技术是人类利用计算机对现实图像进行分析和理解的技术，研究这项技术，对于促进社会进步和人类自身发展有着重大意义。多年来，人们在图像识别领域取得了显着的成就，并将这项技术成功的应用在人们的日常生活当中。

图像识别是对预处理后的图像进行分类的方法。它可在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，最后根据测量结果作分类，这是利用图像处理技术及故障进行诊断的关键。

图像识别技术发展历史悠久，自20世纪50年代开始，人们便开始了对二维图像分析与识别技术的研究工作，当时的工作主要集中在诸如光学字符识别、工件。

表面、显微图片和航空图片的分析和解释等工作上。60年代，人们开始进行三维结构的分析和三维机器视觉的研究工作，到了70年代，已经出现了一些视觉应用系统。直到今天，图像识别技术的新概念、新方法、新理论仍在不断的涌现，始终是一个非常活跃的领域。

现在人们已充分认识到图像处理和识别技术是认识世界，改造世界的重要手段。图像识别所研究的领域分布广泛，它可以是机械加工中零部件的识别、分类;可以是从遥感图片中辨别农作物、森林、湖泊和军事设施，以及判定农作物的长势，预测收获量等;可以使根据气象观测数据和气象卫星照片准确预报天气;根据石油勘探中的人工地震波提供有油的岩层结构;在高能物理实验中识别粒子径迹;医学诊断中根据x光照片判断是否发生癌肿：从心电图的波形判断被检查者是否患有心脏病;邮政系统中自动分拣信函;在繁华宽阔的交通中心实现交通管制、识别违章行驶的汽车及司机;以及机场上空空中交通管理等等。

上述这些都是图像识别的课题，看上去五花八门，种类繁多，但总的来说就是分类问题。它们所研究的对象，无非两类：一是有直觉形象的—图片、相片、图案、文字图样等，一是无直觉形象而有数据或信号的波形—语言、声音，心电图、地震波等。但对图像识别来说，无论是数据、信号或平面图形甚至物体，都是除掉它们各不相同的物理内容，考虑对它们进行“分类”这一点共性来研究的。针对这一共性，以统一的观点，把同一种共性者归为一类;另一种共性者归为一类，等等。至于类别的划分，大致有两种情况：一种是把对象特性以及对象所属的类别都加以说明，这样的过程一般是用机器来实现的，称为“学习过程”，然后对一个新的对象，分析它的特性，决定它属于哪一类。另一种分类情况称为“聚合”，就是只告诉若干对象和它们的特性，根据某种判据把特性相同的归为一类，而事先往往并不知道究竟分成多少类。

目前，图像识别技术广泛应用于机械、冶金、勘探、农业、造林、渔业、天文气象、医务、邮电、交通、公安，财务等部门以及许多工矿企业中。如今世界各国己经研制成多种多样的自动识别机和有视觉的机器人，利用这些识别机，可以自动识别小至癌细胞，大至资源勘探的地貌图等各种图像。所以图像识别的研究是非常有意义的。

图像识别技术在 智能交通 监控系统中的应用现状

图像识别技术在ITS中的应用领域非常广阔，包括道路识别、障碍物检测、车辆检测、车牌识别和车型识别等领域。

道路识别是智能车辆导航中一个具有挑战性的课题，是车辆导航的基础。由于道路情况非常复杂，为使问题简化，研究者们提出了许多关于道路模型的假设，包括道路曲线形状假设，道路宽度及边界平行假设，道路路面平坦假设，路面特征一致假设。目前主要采取下述方法：(l)基于区域的道路识别方法;(2)基于边缘的道路识别方法;(3)基于模板的道路识别方法;(4)基于图像滤波的道路识别方法。以上几种方法已经在实际应用中取得了较好的效果，促进了图像识别技术在智能交通监控系统中的实际应用。

同时，图像识别技术也被广泛应用于障碍物检测方面：障碍物可看成车辆前方道路上具有一定高度的物体，如车辆、交通标志、摩托车、自行车、行人等，其检测事关车辆驾驶的安全运行。目前主要有以下几种检测方法：(1)基于立体视觉的障碍物检测方法;(2)基于光流的障碍物检测方法;(3)基于背景运动估计的障碍物检测方法。以上几种检测方法，在国内外的智能交通监控系统中已经得到了实际应用，并取得了较好的效果。

车辆检测是自动交通监控系统的基本技术之一，只有从背景中准确地分割出车辆，才能进行车辆的识别与跟踪，才能进行各种交通流参数的测量与分析。因此，车辆检测是车辆计数、车速度、车流量、车密度等各种交通流参数测量的基础。目前主要有以下几种方法。(l)基于背景差法;(2)基于帧差法;(3)基于边缘检测法;(4)基于道路颜色模型法。以上的四种方法在实际车辆检测中得到了广泛的应用。

车牌的自动识别是图像识别技术在智能交通领域应用的重要研究方向之一，是实现交通管理智能化的重要环节。此项研究始于20世纪80年代，目前己成为国内外的一个热点研究方向。在世界范围内，机动车号牌是对车辆身份识别的惟一标记，尽管机动车号牌的字符、颜色、格式内容和制作材料多种多样，但机动车号牌仍是全球范围内精确和特定的识别标记。通过图像识别技术可以完成对车辆的自动识别，自动地对机动车身份进行认证，从而使车辆管理、流量控制、路口交费等实现高度自动化。车辆牌照(VLP，Vehiele’：LieensePlate)的自动识别是图像识别技术应用在智能交通领域的重要研究课题之一，是实现交通管理智能化的重要环节。VLP的粗流程包括图像采集、机动车号牌的提取、机动车号牌字符的分割以及机动车号牌字符的识别四大步骤：图像采集即通过摄像机或者照相机采拍车辆的前视图或后视图;机动车号牌的提取，是将机动车号牌在采拍的车辆图片中进行号牌定位并提取出来的过程;机动车号牌的分割即根据号牌特征分割号牌中的字符;机动车号牌识别即在分割后的号牌中，提取汉字及其他字符的特征并进行识别。VLP自动识别系统在道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、智能园区管理等方面有着广泛的应用前景，并具有巨大的经济价值。

车牌识别的最大特点在于它是在自然条件下进行的字符识别。车牌自动识别系统研究的困难之处在于，构成系统的环节较多，任何一个环节的失误都会影响系统的性能;而且所拍得的汽车图像质量好坏不均，车牌在汽车上的位置也不固定，这些因素都会给车牌自动识别带来困难。

一个实用的车牌自动识别系统应具

备以下几个特点：

1.人工干预少，自动化程度高。

2.具有很高的识别率，只有拒识，没有误识。

3.具有实时的数据处理能力，完成一辆车的车牌识别时间在0.5一1秒以内，否则会造成对下一辆车的漏识。

4.能够在公路环境中全天候工作，能适于白天、黄昏、黎明、晴天、多云、阴天等条件。这正是目前车牌自动识别系统难以投入使用的原因。因此，车牌自动识别系统投入使用除需要图像抓拍部分摄取质量更好的图像外，还需要提高车牌自动识别软件中各个模块的正确率。

国外汽车牌照识别系统研究工作己有一定进展，但并不尽合我国国情，这主要是因为以下五个方面的原因：

1.我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度。

2.国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色(例如韩国，其车牌底色为红色，车牌上的字符为白色)，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等若干种颜色。

3.其他国家的汽车牌照格式(如汽车牌照的尺寸大小，牌照上字符的排列等)通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(例如分为军车、警车、普通车等)。

4.我国汽车牌照的规范悬挂位置不唯一。

5.由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家不允许上路，而在我国仍可上路行驶。

由于我国汽车车牌识别的特殊性，不能直接引进国外的车牌识别技术，同时由于汽车车牌识别的复杂性，采用任何一种单一识别技术均难以奏效。目前车牌

识别主要面临以下技术上的难点：

1.由于自然环境下的路面情况比较复杂，导致采集到的车牌图像背景复杂车体本身的干扰，如车辆生产厂家的标志、车体广告、个性车主在车体上的涂鸦等都给图像造成了干扰，都可能会对处理造成影响。

2.由于采集误差、噪声和光线的影响，使得图像质量较差，而且运动又不同程度地造成了图像的恶化，透视产生了儿何变形，给图像预处理造成了一定的困难。汽车牌照上目标的大小不同，距离不等，目标尺寸不规范，都存在着一定程度的图像仿射变形和模糊大量的随机噪声的干扰，光线、光照角度的不同，造成车牌区域明暗灰度的无规律变化。汽车速度往往也会对车牌识别有较大的影响，汽车速度超过70公里/小时，拍摄的汽车图像会产生模糊、扭曲、变形。

3.中国的车辆牌照一般由三种字符组成：汉字、英文字符、阿拉伯数字，所以中国的车辆牌照识别远远难于国外的车辆牌照识别。另一方面，车牌具有不同的颜色，主要分为黄底黑字、蓝底白字、黑底白字等三种，字符与车牌背景的灰度比也不一致。所识别的车辆种类繁多、车型、颜色变化多端，这些因素均给车牌识别增加了难度。

4.为了达到应用的水平，必须要求能够实时地对过往车辆的车牌进行识别，因此算法不能过于复杂。而大多数的传统方法计算量都偏大，根本无法达到实时的要求。这就要求要另辟蹊径，寻求一种快速精确的定位和识别的方法。

5.在实际情况下由于各类车型不同，大小不同，同一车型的车牌位置不同，加上车身纹理线条复杂，所以在非车牌区域可能形成同车牌区域类似的色彩和纹理，可能导致定位时出现误差。快速准确的找到车牌的位置是一个难题。

6.字符的粘连处理，字符断裂时的合并，是字符分割的难点。

7.车牌识别时虽然车牌字符的字符数比较少，字体规范，但也可能导致标准的车牌字符与实际拍摄的车牌字符之间存在较大差距，致使模板的选取存在较大困难。