(一)應(yīng)用背景
隨著中國城鎮(zhèn)化建設(shè)和汽車普及進程的加快，各大城市的交通供需矛盾日趨嚴重，交通安全、交通堵塞及環(huán)境污染已成為困擾我國交通領(lǐng)域的三大難題。據(jù)統(tǒng)計顯示：國內(nèi)城市的機動車保有量正以15%的高速率增長，而城市道路的增長率僅為3%左右。如何緩解交通壓力，并使現(xiàn)有資源發(fā)揮出最大作用，是我國政府急需解決的難題。而智能交通是將信息、通信、控制、計算機網(wǎng)絡(luò)等高新技術(shù)有效地綜合運用于地面交通管理體系，建立起一種大范圍、全方位、實時、準確、高效的交通運輸管理系統(tǒng)，進而成為可以有效地利用現(xiàn)有交通設(shè)施、減少交通負荷和環(huán)境污染、保證交通安全、提高運輸效率的重要手段。
交通部科技司組織編寫的《2012-2020年智能交通發(fā)展戰(zhàn)略》中指出，將建成能夠基本適應(yīng)現(xiàn)代交通運輸業(yè)發(fā)展需求的智能交通體系、關(guān)鍵技術(shù)體系、標準體系以及產(chǎn)業(yè)，實現(xiàn)跨區(qū)域、大規(guī)模的智能交通集成應(yīng)用和協(xié)同運行，讓智能交通成為提高運行效率和安全水平的主要手段。
(二)市場需求
智能交通系統(tǒng)建設(shè)在中國開展的時間較短，目前仍處于起步階段。從區(qū)域發(fā)展情況來看，北京、上海、廣州等東部沿海和經(jīng)濟發(fā)達城市的智能交通建設(shè)已經(jīng)初具規(guī)模，而中西部地區(qū)的智能交通系統(tǒng)主要還集中在高速公路收費系統(tǒng)，其城市內(nèi)部的智能交通系統(tǒng)則有待于繼續(xù)建設(shè)和完善。
據(jù)中國交通技術(shù)網(wǎng)統(tǒng)計，2011年，中國城市智能交通千萬級項目數(shù)量達195項，同比增長129%;千萬級項目市場規(guī)模合計57.9億元，同比增長180%。同時，隨著交通部《2012-2020年智能交通發(fā)展戰(zhàn)略》的出臺，國家對交通等基礎(chǔ)設(shè)施、智能化建設(shè)投入力度的持續(xù)加大，智能交通行業(yè)將迎來前所未有的發(fā)展機遇。
(三)計算機視覺技術(shù)在智能交通系統(tǒng)中的應(yīng)用
智能交通是一個非常大的概念，若按照應(yīng)用領(lǐng)域，則主要分為城市交通、軌道交通和高速公路。智能交通系統(tǒng)中的一些關(guān)鍵技術(shù)，主要包括交通信息采集技術(shù)、交通信息處理技術(shù)、通信技術(shù)、空間信息技術(shù)、城市交通管理和控制技術(shù)、車輛主動安全與智能汽車等，本文將結(jié)合我們前期所做的部分工作，對利用計算機視覺技術(shù)在智能交通系統(tǒng)的幾個典型的應(yīng)用進行介紹。
基于圖像處理的計算機視覺技術(shù)是通過攝像機獲取場景圖像，并借助于計算機軟件構(gòu)建一個自動化或半自動化的圖像/視頻理解和分析系統(tǒng)，并提供及時準確的圖像/視頻處理結(jié)果，以模仿人的視覺功能。該技術(shù)在工業(yè)領(lǐng)域有著廣泛的應(yīng)用，并取得了較大的成功。采用人工值守的方式來處理交通問題是一種勞動力成本高昂且效率極為低下的一種工作模式，而基于高新技術(shù)的智能交通系統(tǒng)的提出將極大地提高工作效率并降低勞動力成本。因此，將計算機視覺技術(shù)應(yīng)用于交通領(lǐng)域則成為了近年來的熱點之一。
1.基于計算機視覺技術(shù)的車輛牌照自動識別
車輛牌照是車輛的唯一身份，對車輛牌照的有效檢測與識別在車輛違章檢測、停車場管理、不停車收費、被盜車輛稽查等方面有著重要的應(yīng)用價值。盡管針對車牌識別技術(shù)的研究相對成熟，然而在實際的應(yīng)用場景中，受到天氣、光照、拍攝視角、車牌扭曲等因素的影響，車牌識別技術(shù)仍然有一定的改善空間。
車牌識別技術(shù)的三個重要組成部分是：車牌定位技術(shù)、車牌字符分割技術(shù)和車牌字符識別技術(shù),這三部分相輔相成并對最終的識別結(jié)果產(chǎn)生重要的影響。
(1)車牌定位，基于國內(nèi)車牌特點等先驗知識，利用車牌圖像垂直方向灰度跳變的性質(zhì),用垂直邊緣檢測和數(shù)學(xué)形態(tài)學(xué)等方法,提取車牌候選區(qū)域;
(2)字符分割，針對定位后的車牌可能包含邊框等多余信息,對車牌定位結(jié)果進行精確定位，從而切除了車牌的多余邊界，進而為字符分割奠定良好基礎(chǔ)。對于有粘連的字符,則利用字符垂直投影及其包絡(luò)的特點對字符粘連部分進行分割,而對于沒有粘連字符,則采用了傳統(tǒng)的垂直投影算法。
(3)字符識別,首先提取字符特征，如小波包系數(shù)特征、LBP特征等，然后采用SVM方法、人工神經(jīng)網(wǎng)絡(luò)等方法訓(xùn)練字符識別分類器，最后利用訓(xùn)練好的字符識別分類器對待識別字符進行識別。
針對車牌識別系統(tǒng)，經(jīng)過不同時段、不同天氣狀況下的實地測試，我們前期工作所達到的技術(shù)指標主要體現(xiàn)在：
1. 車牌檢測率：≥95%;
2. 車牌識別率：≥90%;
3. 車牌識別時間：在CPU2.1GHZ，內(nèi)存1G的PC硬件平臺上，處理200萬像素圖像≤300ms。
從輸入待處理的圖像來看，由于目前智能交通中的卡口抓拍、超速抓拍、電子警察等絕大部分還是標清產(chǎn)品，而標清圖像其清晰度明顯不足，從而對車牌識別系統(tǒng)的整體性能產(chǎn)生影響;然而隨著各地逐步用高清產(chǎn)品替代標清產(chǎn)品，車牌識別系統(tǒng)的整體性能將得到進一步的提高。此外，目前車牌識別系統(tǒng)主要針對單張圖像進行處理，而視頻圖像中的前后幀時序信息往往可以為最終的識別結(jié)果提供有益的幫助，因此有效的利用前、后幀圖像信息，并對相應(yīng)幀的識別結(jié)果加以融合，將有利于車牌識別系統(tǒng)性能的進一步提高。
2.基于計算機視覺技術(shù)的車輛檢測與流量統(tǒng)計
目前城市交通路口的紅路燈間隔時間是固定的，而不同路段、不同時間段交通流量是隨機變化的。此外，對于一定范圍的交通區(qū)域而言，交通警察等公共資源的配備也是有限的。若能根據(jù)各個交通路口的交通狀況輔以計算機進行自動分析，并判斷與預(yù)測交通流量，無疑為交通警察出警，紅綠燈時間間隔的動態(tài)設(shè)置等提供技術(shù)支持。
而對各個路口監(jiān)控視頻中的車輛進行有效地檢測是進行車流量分析與預(yù)測的前提;結(jié)合計算機視覺技術(shù)對輸入視頻中的各幀圖像，采用背景相減法對車輛進行提取得到完整的車輛外形輪廓。同時利用多幀平均法生成實時背景，結(jié)合幀間差法對背景的更新速率進行調(diào)整。此外，采用基于虛擬檢測線的車輛計數(shù)方法，在視頻中某處位置設(shè)置一條虛擬的線，每一幀都從左至右掃描這條線，若發(fā)現(xiàn)線上有車通過，則計數(shù)加1。擁堵等級劃定等級，根據(jù)一段時間的車流量信息，將道路擁堵等級劃分為暢通、緩行和擁堵3個等級。
針對車輛檢測系統(tǒng)，經(jīng)過不同時段、不同天氣狀況下的實地測試，我們前期工作所達到的技術(shù)指標主要體現(xiàn)在：
1. 車輛檢測率：≥90%;
2. 誤報率：≤1%;
3. 檢測時間：在CPU2.1GHZ，內(nèi)存1G的PC硬件平臺上，處理200萬像素視頻每幀≤67ms。
3.基于計算機視覺技術(shù)的公交車輛乘客人數(shù)統(tǒng)計
隨著城市居民出行量不斷增加，交通問題日益突出。城市公交調(diào)度問題是城市公共交通的核心內(nèi)容，合理的公交調(diào)度，可以有效地緩解運力和運量的矛盾，最大限度地平衡乘客和公交公司的利益，提高公交公司的經(jīng)濟效益和社會效益。由于公交客流在地域、時間上存在著不均衡性，會經(jīng)常出現(xiàn)高峰時段乘客過分擁擠、平峰時段車輛滿載率不高的現(xiàn)象，造成了有限資源的大量浪費。
自動乘客計數(shù)技術(shù)是智能公交系統(tǒng)中的關(guān)鍵技術(shù)，是自動收集乘客上下車時間和地點的最有效方法之一，并能以此分析客流在時間和空間上分布特征，從而為公交車輛組合調(diào)度形式的合理選擇提供了依據(jù)。
針對乘客上下車圖像序列的特點，基于車載攝像頭，采用了適用于上下車乘客檢測與跟蹤計數(shù)的算法。在運動目標檢測方面，采用了針對人頭的塊平均灰度差值的自適應(yīng)運動目標存在檢測算法，進行了運動目標存在性檢測;同時在運動目標跟蹤方面，利用了目標的運動特性，預(yù)測目標的運動位置，以縮小目標搜索匹配的范圍;建立每個被跟蹤目標的“目標鏈”，進而建立目標的關(guān)聯(lián)關(guān)系，保證了跟蹤的穩(wěn)定性和準確性。
針對公交車輛人數(shù)統(tǒng)計系統(tǒng)，在光線穩(wěn)定、攝像頭安裝位置合適，上下車客流秩序良好，車內(nèi)擁擠程度較輕的測試條件下，我們前期工作所達到的技術(shù)指標主要體現(xiàn)在：
1.上下車人數(shù)統(tǒng)計正確率：≥85%;
2.檢測時間：基于海思3516芯片，處理CIF視頻每幀≤67ms。
4.基于計算機視覺技術(shù)的公交專用道非法占道抓拍
由于城市公共交通具有運量大、相對投資少、人均占有道路少等優(yōu)點，目前各地政府及交通管理部門逐漸認識到，解決城市交通問題必須優(yōu)先發(fā)展城市公共交通。然而目前擁擠、緩慢的公交出行方式已成詬病，因此發(fā)展“快速公交”將是未來公交的一種運行模式。道路暢通則是發(fā)展“快速公交”的前提，相應(yīng)地，公交專用車道的設(shè)定必不可少。為防止其他社會車輛的駛?cè)?，并對違規(guī)駛?cè)氲钠渌鐣`規(guī)車輛進行抓拍與懲罰是保證公交車道公交車專駛的一種重要手段。由于攝像頭的拍攝視野有限，在漫長的公交線路采用定點檢測的方式，往往導(dǎo)致龐大的成本支出。然而，事實上對于一個城市而言，公交車輛的數(shù)量是非?？捎^的，因此在公交車前部裝置攝像頭并輔以其他處理設(shè)備，從而可以使得每一輛公交車成為了一個流動的監(jiān)控設(shè)備。
對于攝像頭所拍攝到的圖像，我們可以采用計算機視覺技術(shù)首先對公交車道進行提取，并以此劃定檢測區(qū)域，同時根據(jù)對駛?cè)霗z測區(qū)域車輛的外觀輪廓進行判斷，并以此劃分公交車與非公交車，對于非公交車輛，我們將對其車牌進行檢測，為后續(xù)的車牌識別及記錄違規(guī)車輛信息提供依據(jù)。
針對公交專用道非法占道抓拍，在光照良好、車道顏色清晰可辨的情況下，我們前期工作所達到的技術(shù)指標主要體現(xiàn)在：
1.公交車道內(nèi)車輛檢測率：白天≥95%，晚上≥80%;
2.公交車道內(nèi)車輛類型判斷準確率：白天≥90%，晚上≥75%;
3.處理時間：基于海思3516芯片，處理D1視頻每幀≤3s.
5.基于計算機視覺技術(shù)的駕駛員工作狀態(tài)判斷
隨著車輛擁有量的增加，交通事故的發(fā)生率也隨之增加。而駕駛員的疲勞駕駛是引發(fā)交通事故的一個重要因素，若在交通事故發(fā)生前對駕駛員疲勞狀態(tài)進行檢測并予以警報,則對于降低交通事故的發(fā)生率,減少人員傷亡及財產(chǎn)損失具有重要的社會意義和經(jīng)濟意義。
目前，基于計算機視覺技術(shù)的駕駛員疲勞狀態(tài)檢測主要有兩種方法。一種是針對駕駛員面部進行圖像處理與分析，利用人眨眼的頻率與疲勞/駕駛專注度的關(guān)系，來判斷其工作狀態(tài)。另外一種則利用道路識別來檢測車輛行駛狀態(tài)，進而判斷司機是否處于異常駕駛狀態(tài)。
(1) 通過對駕駛員視頻圖像分析，采用幀間差分法，膚色檢測法，級聯(lián)Adaboost聯(lián)
合定位駕駛員面部區(qū)域。同時對面部圖像進行二值化處理，以縮小眼睛的檢測范圍。為了能更加有效、快速地進行眼睛定位，可采用一種基于塊的眼睛定位算法，首先將圖像二值化并劃分為塊，然后利用兩只眼睛的相似性和眼睛對的唯一性將一系列的圖像塊進行匹配，并以此確定一對眼睛的位置，進而實現(xiàn)駕駛員眼睛的定位。
(2) 根據(jù)車輛行駛的道路特點，可采用了差分算子來提取道路圖像邊緣，利用每個像
素的八個相鄰點，用不同的權(quán)值進行求和運算。同時，采用區(qū)域生長法進行區(qū)域分割，實現(xiàn)區(qū)域特征提取。接著由于區(qū)域特征和邊緣特征具有互補特性，將兩者特征進行融合，實現(xiàn)道路圖像精確分割，并經(jīng)Hough變換提取直線信息。最后，利用左右車道線的斜率以及夾角關(guān)系來實現(xiàn)車道線識別。
針對駕駛員狀態(tài)判斷系統(tǒng)，我們前期所做工作主要采用了Matlab、C/C++軟件設(shè)計語言進行了算法論證。
6.基于計算機視覺技術(shù)的行人檢測
在現(xiàn)實生活中，因橫穿機動車道所導(dǎo)致的交通事故時有發(fā)生。機動車輛在行駛的過程中如何有效地避規(guī)行人，已成為了車輛輔助駕駛系統(tǒng)中的重要應(yīng)用方向。
針對前方行人檢測，可以利用安裝在運動車輛上的攝像頭獲取待處理圖像/視頻，對待處理的圖像/視頻劃定檢測區(qū)域。在對行人進行檢測的過程中，若輸入待處理對象為圖像，則以全圖多尺度遍歷的方式，分別提取每一個檢測窗HOG特征，并采用訓(xùn)練好的級聯(lián)Adaboost分類器進行檢測。若輸入待處理對象為視頻，則對于每一幀圖像利用訓(xùn)練好的級聯(lián)Adaboost分類器及并結(jié)合HOG特征子，采用多尺度遍歷搜索的方式對行人進行檢測;結(jié)合多幀時序信息，輔以跟蹤算法、通過分析行人的運動信息來進行綜合判決，最后根據(jù)判決結(jié)果進行預(yù)警。
針對行人檢測系統(tǒng)，我們前期所做工作主要采用了Matlab、C/C++語言進行了算法論證。
(四)結(jié) 語
智能交通系統(tǒng)是在較完善的交通基礎(chǔ)設(shè)施之上，通過運用信息、通信、計算機、自動控制和系統(tǒng)集成等技術(shù)，加強運載工具、載體和用戶之間的聯(lián)系，提高交通系統(tǒng)運行的有序性和可控性，從而建立一個高效、便捷、安全、環(huán)保和舒適的綜合交通運輸體系。
由于城市智能交通體系將涉及相關(guān)的市民、公安交通管理、交通部門車輛管理、城市建設(shè)、通信等相關(guān)部門工作，因而未來城市智能交通的發(fā)展過程必然是一個涉及以交通與公安為主的多部門驅(qū)動的發(fā)展過程。此外，智能交通系統(tǒng)同時也是高新技術(shù)應(yīng)用的集合體，在智能交通系統(tǒng)中一些關(guān)鍵技術(shù)，如：交通信息采集技術(shù)、交通信息處理技術(shù)、通信技術(shù)、空間信息技術(shù)、城市交通管理和控制技術(shù)、車輛主動安全與智能汽車等，各領(lǐng)域高新技術(shù)的發(fā)展與應(yīng)用也將極大促進交通系統(tǒng)的智能化水平。
本文從計算機視覺技術(shù)角度出發(fā)，介紹了該技術(shù)在智能交通系統(tǒng)中的幾個典型應(yīng)用。隨著圖像處理、模式識別與人工智能技術(shù)的發(fā)展，更多的基于計算機視覺新技術(shù)將在智能交通系統(tǒng)中涌現(xiàn)，并以此進一步便利人們的出行方式與交通職能部門管理水平與工作效率。
（轉(zhuǎn)載）
