简述机器视觉在交通中的应用

简述机器视觉在交通中的应用

 随着技术的发展，机器视觉技术在交通各领域都发挥着越来越重要，而且应用广泛。下面为您讲解机器视觉在交通中的应用:

一、应用于视频检测

视频检测是交通信息采集和交通事件检测领域较新的技术，是一种融合视频图像处理、模式识别及数据通信等多项技术为一体的计算机视频监测技术。它的目标就是用数字图像处理和计算机视觉技术，通过分析交通图像序列来对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪，并对目标的交通行为进行分析、理解和判断，从而完成各种交通流数据的采集、交通事件的检测，并尽快进行相应处理。此检测的准确性主要取决于目标物的准确获取。首先对获取的原始图片进行预处理，去除原图片的干扰噪声，保留有用信息；其次进行运动目标的分割，通过当前图像与背景图像的相应像素的灰度差异进行分割。可采用Otsu阈值法，检测规则为:

有了目标还应该进行识别，需要对目标的特征进行提取和描述，如几何特征、拓朴特征和纹理特征等；最后再考虑机器视觉中的场景标定因素，就可以对目标进行决策分类，完成目标检测与识别。图像处理的流程图如所示。视频的交通事件和参数检测系统有高度的网络化和智能化，实现了远程监控和设置。

二、应用于智能车辆安全保障系统

安全是围绕汽车的永恒主题。随着公路交通特别是高速公路交通的飞速发展，交通事故特别是恶性交通事故呈不断上升趋势，交通安全越来越受到广泛关注。机器视觉系统在智能车辆研究领域应用广泛，主要用于路径识别与跟踪、障碍物识别、驾驶员状态监测、驾驶员视觉增强等。

目前，在智能车辆机器视觉领域研究中处于前沿的主要有德国的UBM大学、意大利Broggi教授领导的课题组、美国国际科技应用公司等。德国UBM大学Dick-manns教授领导的智能车辆研究小组一直致力于动态机器视觉领域的研究，研制的EMS-Vision视觉可较好地模拟人眼功能。

三、应用于识别车牌识别

车牌识别技术（VLPR）是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。由于每一部汽车都有唯 一的车牌号码，通过摄像机所拍摄的车辆图像进行车牌号码的识别，能够有效的了解路面的动态和每部汽车的适时情况。其步骤主要为获取原图像，图像预处理，车牌定位，字符分割和字符识别。

随着图像处理技术的日趋成熟，更多算法的融入综合，使得车牌识别技术逐渐成熟。单一算法很难达到良好的识别效果，只有多种方法结合，才能实现车牌识别的高效性和准确性。

四、应用于前方道路边界及车道标识识别

过去的10多年里，有些国家已经成功开发了一些基于视觉的道路识别和跟踪系统。其中，具有代表性的系统有：LOIS系统、GOLD系统、RALPH系统、SCARF系统和ALVINN系统等。近年来，国内外一些学者又提出了很多基于视觉的道路边界和车道标识识别方法。

概括地说，道路边界及车道标识识别方法基本上可归结为两大类方法，一类为基于特征的识别方法，另一类为基于模型的识别方法。基于特征的识别方法主要是结合道路边界图像的一些特征（颜色特征、灰度梯度特征等）从所获取的图像中识别出道路边界。基于特征的识别方法可分为：基于灰度特征和基于彩色特征的识别。目前应用较多的是基于灰度特征的识别方法。

 宁波研新视觉检测设备公司